【作者】Xiaolu Xiaa, Tianyu Zhoub, Jing Dub, Nan Lia,c
a Department of Construction Management, Tsinghua University, China
b Department of Civil and Costal Engineering, University of Florida, United States of America
c Hang Lung Center for Real Estate, Tsinghua University, China
【通讯作者邮箱】nanli@tsinghua.edu.cn
【期刊信息】Automation in Construction, Volume 142, Issue 104497
【全文链接】https://doi.org/10.1016/j.autcon.2022.104497
内容摘要
智能建造是建筑业的一个重要发展趋势。随着越来越多的智能自动化系统在施工领域的应用，理解和预测人的运动变得越来越重要。基于这样的预测，智能自动化系统可以优化它们的行动以提高人-机交互的效率，并且管理者也可以对何时何地干预人类运动做出明智的决定，以避免人机碰撞。本文对现有的人类运动预测(HMP)研究进行了综述，从预测指标、预测方法和应用领域等方面对相关研究基于三层分类法进行了综述、分析和讨论。该三层分类法是基于不同预测方法所需的人类信息类型所构建的，反映了对人类运动和运动意图的潜在因果关系和中介因素的理解。本文还讨论了HMP的理论认知和方法论的演变，HMP在建筑领域的应用场景，以及未来可能的研究方向。本综述有望增强对这一迅速发展的研究领域的认知，并促进未来研究及建筑领域中人机交互的进步。
研究方法
为了对人类运动预测的研究进行综述，通过Web of Science Core Collection搜索包含HMP的高影响力期刊文章和会议文章，使用了不同的关键词组合进行检索，并采用“滚雪球法”补充未被Web of Science Core Collection索引的其它相关出版物。在此基础上，对检索结果进行筛选，只保留使用人类信息来预测室内、室外环境或工作场所中的人类运动及意图的相关论文。上述论文检索和筛选的系统方法如图1所示。
图1 论文检索和筛选的系统方法
研究发现
HMP中最早的，也是最流行的范式是将人体建模为粒子，认为人体运动符合物理定律，从而基于粒子的运动学来预测人类运动（SPK）。SPK将人建模为单个目标，而没有研究运动如何开始或进行的内部机制。SPK依赖统计建模和机器学习(ML)等方法进行时空分析和预测。从早期的粒子模型假设出发，逐渐进展到基于人-空间相互作用、人-人相互作用等来预测人体运动。预测方法主要分为四类：(1)轨迹分类；(2)社会力的方法；(3)时间序列深度学习；(4)基于生成对抗网络的方法。该分类的顺序也与该研究领域的发展时间轴一致。由于时空建模方法逐渐丰富和近期ML的发展，目标跟踪和自动控制领域已经开发了大量的SPK模型来预测人类的轨迹，以促进自动驾驶、机器人研究和异常拥挤行为的检测。
尽管SPK方法取得了进步，但由于缺乏人类在进行运动决策时的信息，例如一个人何时/为什么会前进。由于缺乏人类信息，运动的高粒度和因果关系被忽略了，SPK很难预测人类的意图。为了解决这一问题，HMP需要考虑基于人体工程学和生理学的各种身体信息及认知决策信息对人类运动进行预测（EPC）。具体来讲：(1)人体工程学方法可以根据精细的人体特征捕捉运动的起始和关键运动点，从而提供关于人类何时移动的信息。(2)生理学方法可以探索运动前期主要变化的生理信号，有助于模拟运动是如何开始的。(3)认知方法可以更进一步地将高级认知和决策数据整合到对动作早期意图的预测中。EPC在外骨骼研究、机器人研究、脑机接口的开发、行人轨迹和意图预测、建筑施工等多领域有着广泛的应用。HMP方法综述如图2所示。
图2 HMP方法综述
讨论与展望
本综述的结果表明，该领域今后仍有若干问题有待解决。首先，根据HMP文献的全面回顾，首要挑战在于现有数据和方法的多样性和差异性。对于SPK，研究人员基于人与人的相互作用和人与环境的相互作用来预测人的轨迹。在EPC研究中，数据和模型需要关注人体的不同信息，预测方法和结果存在较大差异。考虑到HMP问题的复杂性，没有一种方法可以满足所有的研究需求。因此，研究人员可以构建一个描述性框架，该框架可以对文献中现有的不同HMP方法进行适当的分类，将它们与不同的应用场景关联起来，并为研究人员选择合适的HMP方法提供明确的指导。
其次，可以进一步提高HMP对动态工作场景的理解。现有的大多数方法都专注于在较短时间内在明确的任务下来预测人体运动，但没有充分考虑工作环境的变化和人类运动的不确定性。但在现实中，特别是在复杂和动态的环境中，人类的运动是动态的，并且不由定义好的规定所限制，这意味着人类运动模式的变化是无法避免的。未来一个可能的趋势是综合预测，采用并结合来自多种方法和/或学科知识的原理，多学科综合预测将对复杂、动态和拥挤环境中的HMP产生巨大影响。
第三，虽然现有的一些方法考虑了不同的人类运动，但仍需要进一步考虑随机不确定性，如考虑不同个体之间的行为差异，或同一个体在不同时间点或不同上下文和/或环境下的运动模式的变化。此外，由于人类运动的复杂性和可变性，预测窗口的长度和预测结果的准确性之间通常存在权衡。未来可以探索一种解决随机不确定性的方法。与其假设一个人在运动模式上保持一致，不如根据独特的运动特征将从同一个人收集的数据进一步分割并分类为不同的模式组。随着便携传感器和数据传感技术的发展，未来也有可能收集新的人体数据类型并用于训练HMP模型。
建筑领域有一些可以用于人类运动识别和预测研究的数据集，这些建筑领域内的数据集大多数只是用于一般的运动识别，并不能适应特定的环境或满足建设的需要。建筑领域缺乏成熟且足够大的数据集来进行人类运动预测。未来可以利用远程和便携的传感器进行数据收集，为建筑业建立潜在的数据集。此外，可以利用一个高性能的开源硬件和软件平台，使多个团队合作开发数据集。最后，应进一步鼓励数据共享文化，支持建筑领域中人类运动预测数据集的创建和共享。
