导致足以致命的“人群恐慌”是什么

In July of 2010, more than 1 million people flocked to Duisburg, Germany, for the Love Parade―an annual festival dedicated to techno music. As revelers crammed into a bottlenecked tunnel that served as the event's entrance, their pushing and shoving rippled through the masses, culminating in a “crowd-quake” of violent and chaotic movement―and eventually a panicked stampede that left 21 dead and 500 injured. The exact causes of the tragedy may never be certain, but scientists have developed a nimble computer model that can digitally reproduce such catastrophes―and perhaps help prevent them.
在2010年的六月份，超过一百万人聚集到德国杜伊斯堡参加一年一度向电子音乐献礼的狂欢节――爱的大游行。当狂欢者蜂拥进用作庆典入口的隧道瓶颈部分时，人们之间的推挤和碰撞演变成一片混乱，最终以暴力混乱的“人群恐慌”收场，并引发了令人恐慌的踩踏事故，造成21死500伤。导致这场悲剧发生的确切原因也许永远的都不确定下来，但是科学家已经研发了一个灵活，可以数码的方式再现此类灾难场景的电脑模拟实验，或者还有助于防止此类事件的发生。

Crowd simulations help architects design safe public spaces. Current models mostly ignore human behavior, such as chatting or shoe-tying, because they introduce too much complexity and freeze up simulations. As a result, virtual people are treated as simple particles that repel one another while zooming toward their destinations. Such dehumanized models are useful, but they work only within limited parameters. A model that predicts how long it will take a group of pedestrians to cross a busy intersection, for example, generally fails to reconstruct the chaos seen when people try to escape a crowded room.
人群模拟可以帮助建筑师去设计安全的公共空间。近来的计算机模型大部分都忽视了人类的行为举止，例如说话话或者绑鞋带，因为这些使模拟变得复杂和不灵活。因此，当虚拟出来的人急冲冲地赶往目的地时，人们把它们当作是推开其他人的普通小个体。这种非人性化的模型虽然有一定的用处，但是它们只能限定范围内起效。例如，一个预测行人过繁忙的十字路口要用多长时间的模型，通常都不能重现人们拼命逃离拥挤房间的混乱景象。?

The new model is more accurate than any before it, and it does a lot more with a lot less. Created by behavioral scientist Mehdi Moussaid of the University of Toulouse in France and colleagues, the model values simplified rules of human behavior over complex physics―a first in modeling crowd dynamics. Although it doesn’t ignore physical laws, such as person-to-person energy transfer that help explain Love Parade-like “crowd-quakes," it does rely on two simple rules the team programmed into virtual pedestrians: Keep a safe distance from others and move through gaps between people.
而这项新的电脑模拟实验比之前的任何一个都要精确，而且它的强大效用是慢慢积累的。这项由法国图卢兹一所大学的行为科学家迈哈地?默塞德及其同事研发的模型，注重在复杂的物理学基础之上简化人类行为规范――模拟人群动力的首要原则。尽管它并不忽视物理定律，如可以用来解释像爱的大游行里的“人群恐慌”的人与人之间的能力转化，但是它确实依靠着团队编制虚拟行人程序的两个简单定律：和别人保持安全的距离、由人与人之间的缝隙穿过。

Moussaid got the idea while chatting with a colleague about how players catch baseballs dropping from the sky―not an easy feat for first-timers. Researchers have discovered that people's brains don’t crunch complex equations to do it. Instead, our minds develop shortcuts based on experience. “We try to keep the angle of the falling ball constant in time. If we do that, the ball falls into our hands,” says complexity scientist and study co-author Dirk Helbing of the Swiss Federal Institute of Technology in Zurich. Such simple rules, called heuristics, can be transformed into simple mathematical formulas fit for computer models.
默塞德是在和同事谈起关于选手是怎么接住从上空掉下来的棒球的时候得到这个主意的，毕竟对于行外人来说，这个问题是不容易的。研究人员已经发现了人的大脑不会用复杂的方程式去处理它，取而代之的是我们的思想会根据经验产生反应捷径。瑞士联邦理工学院苏黎世分校的复杂理论科学家、研究合著者迪尔克?赫尔冰说：“我们试着及时地去保持球下跌时角度的常量。如果我们这样做了，球就会掉进我们手里了。”这种叫“试探法”的简单定律，可以转化成简单，并且适合电脑模型的数学方程式。

After studying the patterns of pedestrians in videos, the team zeroed in on the rules the people used to get around and then converted them into heuristic formulas. When Moussaid and colleagues weaved the algorithms into an existing model and ran simulations, they discovered that the approach worked for a variety of situations. In simulations of simple hallway interactions, for example, lanes of pedestrians formed, as they do in real hallways (see video), the team reports online this week in the Proceedings of the National Academy of Sciences. Scenarios of emergency escapes from bottlenecked rooms also reproduced lifelike data (see video). And crowds similar to the Love Parade disaster produced dangerous waves of energy.
在研究了录像里行人的特征之后，团队把目光聚集在人们四处走动的规律，然后把它们转化进试探法发方程式。当默塞德和同事把算法式编进现存的模型并且开始模拟时，它们发现入口用于各种各样的情况。例如在简单门廊交汇处的模拟中，行程一条挤满行人的小路，和人们在现实中发生的一样，团队把这研究发表在《美国科学院院刊》的网页。紧急逃离堵塞房间的情景也重现了栩栩如生的数据。还有，类似于爱的大游行灾难里的人群产生了危险的能量波动。

???
There’s never been a single crowd-dynamics model that reproduces such a large range of observed behaviors, says behavioral biologist Iain Couzin of Princeton University, who wasn’t involved in the study. “The tendency is to create one model per scenario,” he says. “This work is an extremely important step in pulling together our fragmented understanding. We’re now approaching a sort of unified understanding of human behavior in crowds.”
没有参与研究的普林斯顿大学行为生物学家伊恩?库新表示，从来没有任何一个人群动力模型可以重现如此大范围被观察到的行为。他说：“现在的趋势是每个局面创造一个模型。这项工作是促进重组我们破碎认知及其重要的一部。我们现在正接近一种人们在人群中举止的统一认识。”

“Showing how simple local rules and mechanisms on an individual level can lead to patterns on a crowd level greatly helps disentangle cause and effect,” says complexity scientist Anders Johansson of University College London, who has previously collaborated with the team but wasn’t involved with the work. “It will ultimately help plan and manage crowded events in a better, safer way.” Helbing even thinks the model could help autonomous robots of the future efficiently navigate to their destinations, perhaps to deliver supplies within a busy hospital.
最近与协助这个团队，但是没有参与研究的伦敦大学学院复杂理论科学家安德斯?乔纳森说：“提出对个体地位如何涉及简单的局部规范和心理机制，可以影响群体地位，有助于分清因果关系。它能够最大程度地以更好、更安全的方式帮助计划和管理人潮汹涌的事件。”赫尔冰甚至认为这个模型可以帮助引导未来全自动机器人高效地去到它们的目的地，也许能在忙碌的医院中传送设备。

本文来源：