Abstract

Aggressive behaviors at exits cause conflicts and increase egress times. To deter agents from aggressive behaviors, we first need to know who the aggressive ones are. Therefore, we developed a method for detecting aggressive agents. We focused on only egress simulations with a cellular-automata model in this article since we would like to deeply investigate theoretical characteristics of our method. There are two types of agents, which are normal agents and aggressive agents in the simulations. Aggressive agents tend to push out others in conflicts and try to move to their target cell aggressively. We considered all the possible combinations of agent types, labeled them, and computed the joint probabilities of the labels from the conflict data obtained from the egress simulations. The label which achieved the maximum joint probability was regarded as the predicted label. Our detecting method succeeded in detecting the aggressive agents perfectly with the reasonable number of observations. Moreover, there were no false accusations. We have also investigated how the restriction of the usage of the conflict data affect the results. By only using the conflict data of successes in solving conflicts, the accuracy failed to achieve 1.0 when there are many aggressive agents. However, if there are a few very aggressive agents, the progress rate of the accuracy increases by the restriction of the usage of the conflict data. We elucidated this counterintuitive phenomenon theoretically by exploiting a simple probabilistic calculation.

摘要

出口处的攻击性行为会导致冲突并增加出口时间。为了阻止代理采取攻击性行为，我们首先需要知道攻击者是谁。因此，我们开发了一种检测攻击性药剂的方法。在本文中，我们只关注带有元胞自动机模型的出口模拟，因为我们想深入研究我们方法的理论特征。有两种类型的代理，在模拟中是正常代理和攻击代理。激进的代理倾向于在冲突中推开其他人，并试图积极地移动到他们的目标单元格。我们考虑了代理类型的所有可能组合，标记它们，并根据从出口模拟获得的冲突数据计算标签的联合概率。将达到最大联合概率的标签作为预测标签。我们的检测方法成功地以合理的观察次数完美地检测了攻击性代理。此外，没有任何虚假指控。我们还研究了限制使用冲突数据如何影响结果。仅使用解决冲突成功的冲突数据，当攻击者较多时，准确率未能达到1.0。但是，如果有少数非常激进的代理，由于冲突数据的使用限制，准确率的进步率会增加。我们通过利用简单的概率计算从理论上阐明了这种违反直觉的现象。我们的检测方法成功地以合理的观察次数完美地检测了攻击性代理。此外，没有任何虚假指控。我们还研究了限制使用冲突数据如何影响结果。仅使用解决冲突成功的冲突数据，当攻击者较多时，准确率未能达到1.0。但是，如果有少数非常激进的代理，由于冲突数据的使用限制，准确率的进步率会增加。我们通过利用简单的概率计算从理论上阐明了这种违反直觉的现象。我们的检测方法成功地以合理的观察次数完美地检测了攻击性代理。此外，没有任何虚假指控。我们还研究了限制使用冲突数据如何影响结果。仅使用解决冲突成功的冲突数据，当攻击者较多时，准确率未能达到1.0。但是，如果有少数非常激进的代理，由于冲突数据的使用限制，准确率的进步率会增加。我们通过利用简单的概率计算从理论上阐明了这种违反直觉的现象。仅使用解决冲突成功的冲突数据，当攻击者较多时，准确率未能达到1.0。但是，如果有少数非常激进的代理，由于冲突数据的使用限制，准确率的进步率会增加。我们通过利用简单的概率计算从理论上阐明了这种违反直觉的现象。仅使用解决冲突成功的冲突数据，当攻击者较多时，准确率未能达到1.0。但是，如果有少数非常激进的代理，由于冲突数据的使用限制，准确率的进步率会增加。我们通过利用简单的概率计算从理论上阐明了这种违反直觉的现象。