近期，四川大学教授马毅及其团队在行人动力学研究领域取得了突破性进展，他们成功研发出一种高精度的行人追踪技术。这项技术能够在密集人群环境中，对行人的移动及步态进行精确追踪，为深入理解行人移动行为提供了强有力的支持。
借助这一先进技术，马毅团队开展了一系列行人移动实验。他们通过采集和分析行人移动数据，系统观测了行人在不同密度环境下的移动行为，并对行人如何根据感知到的环境信息调节运动速度、方向及步态进行了深入探究。实验结果显示，行人在移动时会呈现出自由状态、慢移动状态和拥堵状态三种不同的动力学状态。
具体而言，当人群密度较低时，行人处于自由流动状态，能够不受约束地以正常速度移动。随着人群密度的增加，行人会进入慢移动状态，此时他们会通过降低速度和步长来避免与周围人或障碍物发生碰撞。而当人群密度达到极高水平时，行人将陷入拥堵状态，他们的速度会大幅下降，并频繁改变步态和方向以实现移动和避碰。
研究还发现，行人的速度和步长与人群密度的倒数呈指数关系。基于这些实验观测结果，团队构建了一个能够模拟大规模行人运动并预测行人步态的理论模型。这一模型在人流疏散预测、人形机器人步态设计以及自动驾驶汽车行人移动预测等领域具有广泛的应用前景。
马毅的研究方向主要聚焦于行人动力学，涵盖人流疏散、自动驾驶、人形机器人等多个领域。他选择这一研究方向，正是受到现实生活中人口密度大、交通压力大等问题的启发。在香港城市大学完成博士学业后，马毅了解到四川大学灾后重建与管理学院在防灾减灾与灾后重建管理方面享有盛誉，且其研究内容与该学院的研究方向高度契合，因此选择加入该学院。
行人动力学研究不仅对于指导灾害发生时的人流疏散具有重要意义，同时在自动驾驶和人形机器人等产业领域也展现出巨大的应用潜力。特别是在自动驾驶领域，准确预测行人的移动规律是保障自动驾驶汽车行驶安全性的关键。而人形机器人要实现在复杂环境中的自主导航和步态规划，也需要深入理解人的移动行为和步态特征。
尽管行人动力学研究具有重要的应用价值，但目前仍面临诸多挑战。传统的行人移动追踪技术主要依赖行人头追踪方式，难以准确追踪行人的脚部移动，从而无法深入了解行人在每一步中如何根据环境信息调节运动状态。现有的行人移动预测技术也难以深度预测行人的步态，难以满足自动驾驶和人形机器人等领域的实际需求。
为了克服这些挑战，马毅团队历经十年艰辛研发，终于成功开发出能够在二维密集人群环境下追踪行人步态的高精度技术。这一技术的突破，不仅解决了行人动力学研究中的关键难题，也为自动驾驶和人形机器人等领域的发展提供了有力支持。
马毅的研究工作得到了国际同行的高度评价。审稿人认为，这项研究不仅解决了行人动力学研究中的一个挑战性问题，即行人步态追踪，而且充分揭示了行人移动的行为规律，为交通科学领域的发展做出了重要贡献。未来，马毅团队将继续深入挖掘行人动力学的奥秘，并结合人工智能和机器学习方法，开发基于数据驱动的高精度行人移动及步态预测模型与技术，为自动驾驶和人形机器人等领域的发展注入新的活力。
