Simulation models that replicate realistic crowd behaviours and dynamics are of great societal use in a variety of fields of research and entertainment. In order to evaluate the accuracy of such models there is a demand for metrics and evaluation solutions that measure how well they simulate the dynamics of real crowds. A crowd similarity metric is a performance indicator which quantifies the similarity of crowd trajectories. Similarity metrics may be used to evaluate the validity of simulation models by comparing the content they produce to real-world crowd trajectory data. This thesis presents and evaluates a similarity metric which employs an approach based on the Sum of Absolute Differences to compare two-dimensional crowd trajectories. The metric encapsulates the similarity of crowd trajectories by iteratively summing time-wise positional differences on a per-agent basis. The resulting metric is simple, highly reproducible and simulatorindependent. Its accuracy in quantifying similarity is evaluated by means of a user study investigating the correlation between metric values and human perception of similarity for real and simulated crowd scenarios of varying density, trajectory, speed, and presence of environmental obstacles. The user study explores different aspects of crowd perception by dividing similarity ratings on a five-point Likert scale into four categories: overall, in terms of trajectories, speeds, and positions. Scenarios and rating categories that indicate high and low degrees of correlation between metric values and perceived similarity are identified and discussed. Furthermore, the findings are compared to previous research on crowd trajectory similarity metrics. The results indicate that the metric shows promising potential for accurate similarity measurement in simple and sparse scenarios across all rated categories. Moreover, the metric is strongly correlated with the trajectory-ratings of crowd motion similarity. However, it appears to not correlate well with the perception of overall similarity for large and dense crowds.

Simuleringsmodeller som efterhärmar realistiskt beteende och dynamik bland folkmassor är av stor samhällelig nytta i flertalet forskningsområden och i underhållningsbranschen. För att utvärdera sådana modellers noggrannhet finns det en efterfrågan av metriker och bedömningslösningar som mäter hur väl modeller simulerar verklig folkmassadynamik. En likhetsmetrik för folkmassautvärdering är en prestationsindikator som kvantifierar likheten mellan folkmassarörelser. Likhetsmetriker kan användas för att utvärdera simuleringsmodellers validitet genom att jämföra beteendet de producerar med rörelsedata från verkliga folkmassor. Följande examensarbete presenterar och utvärderar en likhetsmetrik för folkmassor som utnyttjar en metod baserad på ”Summan av Absoluta Skillnader” för att jämföra par av två-dimensionella folkmassarörelser. Metriken uppskattar likheten mellan två folkmassors rörelser genom att iterativt summera skillnaderna mellan folkmassornas positioner baserat på de individuella virtuella agenterna. Resultatet är en simpel, kraftigt reproducerbar och simulator-oberoende metrik. Dess noggrannhet avseende likhetsestimering utvärderas med en perceptuell användarstudie som undersöker korrelationen mellan metrikvärden och mänsklig perception av visuell likhet för flertalet verkliga och simulerade folkmassor av varierande densitet, färdväg, hastighet, och förekomst av hinder. Användarstudien utforskar olika aspekter av folkmassaperception genom att dela upp likhetsgradering på en femgradig skala i fyra kategorier: övergripande, avseende färdvägar, hastigheter, och positioner. Folkmassascenarier och graderingskategorier som indikerar höga och låga nivåer av korrelation mellan metrikvärden och uppfattad likhet identifieras och diskuteras. Fortsättningsvis jämförs resultaten med tidigare forskning om likhetsmetriker för folkmassautvärdering. Resultaten tyder på att metriken har lovande potential för noggrann likhetsestimering i enkla och glesa scenarier oavsett graderingskategori. Dessutom korrelerar metriken starkt med färdvägs-graderingar av likhet. Däremot verkar den inte korrelera väl med perceptionen av övergripande likhet för stora och täta folkmassor