大家好,我是菜編。許多動物會成群結隊,包含你我這些人類,為了在多人移動時保持順暢,我們會跟著「周遭」人的動作改變自己的行動,譬如在上班時段的捷運站,下意識得跟著人龍走上車廂,過程中會不自覺和旁人轉向同一個方位,不過我們的注意力究竟有多廣?人潮洶湧,哪些人影響我們最多?不久前的研究成果告訴我們,依照你能看得多清楚!
新期刊與熱騰騰的新發表
五月十六日,本文發表在2022年才出版的《PNAS Nexus》上,這顆超新星是老字號《PNAS》的姊妹刊物,由美國國家科學院與牛津大學出版社協作出版,裡頭全是免費的開源內容!而發表團隊則來自布朗大學,任職的系所專業於認知、行為及語言學,透過多樣化的儀器與方法,學者得以用不同角度進行研究,今天要分享的專案,它的材料與方法就包含有電腦模擬、虛擬實境,還使用了紅外線攝影機追蹤即時的動作變化,聽起來是不是超科幻、超有趣!
排排隊一齊走,動物如何成群結隊?
這個研究旨在了解人類如何形成群體,在動物王國裡,不管是飛鳥、走獸,或是昆蟲都有相同行為,但要想讓團體結構完整,不會走一走就掉隊,或是撞上隔壁小夥伴,個體間勢必要互相配合,但處在一個碩大的動物群中,並不可能注意範圍廣到「全部」夥伴吧!
到目前為止,學界發展出三種模型解釋動物如何集結成群(翻譯不能,只能請各位見諒了......)。其一 Metric neighborhood,在這個模型中,觀察者會被處在「固定距離」中的所有個體影響,其二 Topological neighborhood 則說明會影響觀察者的鄰居「數量固定」,只受前後優先順序影響,最後的模型 Visual neighborhood 特別強調「能見度」的重要性,看不清楚的鄰居,想當然帶來的影響就相對較少。
A. 高密度 B. 低密度 紅色曲線涵蓋的範圍是 Metric neighborhood 的可互動距離,黑色虛線是依照 opological neighborhood 的定義所指出固定可互動數量的個體。C. 圖則說明了 Visual neighborhood 模型如何運作的。
說這麼多,人類又是怎麼辦到的呢?
研究分成三階段,並以受試者的最後頭朝向與轉頭的速度判斷符合哪一個模型的預測,打個比方,如果你突然仰視天空並大喊:「ㄟ!那是什麼?」,你周圍的人也會跟著抬頭張望,這時的你就成了影響別人的干擾源,離你越近的人抬頭速度就越快,角度也會更相似,而根據不同模型的定義,因為距離、數量和可視度等因素,所帶來的影響便會有所出入。
第一個實驗在虛擬實境中進行測試,受試者戴著VR眼鏡,視野裡的人群稠密度有高有低,看的方向都不太一樣,根據 Topological neighborhood 模型來看,可以互動的數量維持不變,密度的變化對觀察者來說相對沒有影響,但若參照 Metric neighborhood 的觀點,數量相同但密度比較低的情況會造成外圈距離變遠,因而超過觀察範圍,影響程度因此減少,這個差距甚至會隨著干擾源(Perturbed Neighbors)增多而趨於明顯,而如果以 Visual neighborhood 檢視這個現象,倒比較輕微,密度所造成的影響較少。
在兩個實驗中,真實數據跟電腦對不同模型模擬結果的比較。實線為真實數據,虛線是模型模擬結果。
把模型預測結果和實驗結果互相比對後發現:人類形成群集的機制似乎遵循 Metric 跟 Visual neighborhood 模型,後者甚至更好一些。不過,這個結論卻在實驗二被馬上修正,當研究者增加一些「轉頭方向和觀察者相同」的虛擬人類,便會使得 Metric neighborhood 的預測失準!各位讀者能把他們想像成緩衝海綿,只要這些人的影響程度越顯著,觀察者的行為變化就會越小,所以在高密度的情況下,緩衝人們距離比較近,緩衝效果理應較顯著,可是預測結果卻和真實數據對不太上,三個模型中,只有 Visual neighborhood 預測得較準確。
結束虛擬實境的體驗後,接踵而來的是真人群測試,由於真人頭的轉向不太可能控制,所以各位可以用實驗一來做對比。結果發現,在一定的範圍內,人群密度比較高的時候,每個人看的方向會差不多,符合 Metric neighborhood 的預期,但只要距離拉太遠,就會失準,如果要同時檢視密度跟距離兩者的影響力,僅有 Visual neighborhood 模型是始終如一的不死之軀!
以距離(x)和遮蔽程度(y)作圖。符合 Visual neighborhood 模型的預期:
當距離跟密度提高時,遮蔽程度會增加,而觀察者並不會受完全被遮蔽的行人影響
疏散方式新觀點,有趣又重要的新文章
所以說,就結論來看,Metric 跟 Visual neighborhood 模型應該都能解釋人類如何形成群體,只是後者顯然可以應付更多變因,若著重於討論密度的差別,用 Metric neighborhood 模型解釋就綽綽有餘,但加上距離變因後,想在不同的情況下皆適用,Visual neighborhood 模型會是更好的選擇。
像演唱會這樣人多的地方,就需要規畫好完善的疏散措施
今天這篇文章的研究內容很重要,試想很多人潮壅擠的場合,疏散動線如何安排攸關到參與者的生命安全,現在我們知道人類形成群體的機制如何,也就能做出更好的應對措施。順道一提,我真的好喜歡這種除了假說外,還有解釋理論的發表,希望未來自己也能進行類似的研究!
參考資料:
- Trenton D Wirth and others, Is the neighborhood of interaction in human crowds metric, topological, or visual?, PNAS Nexus, Volume 2, Issue 5, May 2023, pgad118, https://doi.org/10.1093/pnasnexus/pgad118
- PNAS Nexus:https://www.pnas.org/post/update/introducing-pnas-nexus
- 布朗大學:https://www.brown.edu/academics/cognitive-linguistic-psychological-sciences/about
喜歡我的文章按讚追蹤加分享!或是斗內起來!
也能在留言處提出你的看法喔!