Ante ti no hay una imagen ficticia de la revista publicitaria "Aeropuertos del Futuro". Este es un verdadero aeropuerto operativo en la ciudad japonesa de Fukuoka, que ofrece a los pasajeros mucho espacio libre para moverse. Gracias a la tecnología de modelado especial, se identificaron los motivos de la cola y se tomaron medidas de optimización. A quién le importa cómo funciona esta tecnología, le pido un gato.
Foto cortesía de Fukuoka. El profesor Shingo Takahashi, jefe del Departamento de Ingeniería de Sistemas Industriales y Sistemas de Control de la Universidad de Waseda y los Laboratorios Fujitsu, ha desarrollado una tecnología que identifica las razones del hacinamiento en lugares públicos. La solución analiza automáticamente los factores que condujeron a la formación de una gran masa de personas, en función de los resultados de modelar el comportamiento humano.
En 2015, Fujitsu y el profesor Takahashi utilizaron esta tecnología en un sistema para modelar el comportamiento humano, que analizó medidas para eliminar las colas en el aeropuerto de Fukuoka. Pudieron detectar 4 veces más causas de multitudes en comparación con el análisis de expertos. Por ejemplo, al analizar una multitud de personas durante una inspección de pasajeros y equipaje, el sistema pudo detectar por primera vez que los pasajeros reunidos en un mostrador de facturación en particular causaron una multitud inesperada de personas en el área de facturación. Durante la simulación, se confirmó que esta tecnología reduce la cantidad de personas que esperan la aprobación de la inspección en un sexto. Además, la cantidad de personal puede reducirse en un tercio. Y el tiempo de análisis se redujo significativamente, de varios meses a varios minutos.
El nuevo desarrollo une categorías en grupos que tienen una cierta similitud y expresa las características de los "agentes" correspondientes (comportamiento simulado, acciones de personas) en forma de un pequeño número de combinaciones de categorías sin compilar listas de resultados de movimiento o rutas de decenas o cientos de miles de agentes. Este enfoque facilita la identificación de las características de los agentes asociados con las causas de las multitudes, y permite crear parámetros relacionados con ciertos signos característicos y ejemplos de movimiento.
Diagrama de simulación del comportamiento de las personas y pronóstico de hacinamiento en el aeropuertoAnteriormente, debido al hecho de que los datos relacionados con las características, percepciones y acciones distintivas de los agentes (por ejemplo, la tarea del agente es "almorzar", o el agente vio un puntero en un punto), que se expresaron en forma de docenas de registros en la base de datos, se combinaron para crear características de agente, este proceso creó una gran cantidad de ejemplos combinatorios. Con la nueva tecnología, que crea grupos lógicos que incluyen similitudes en las características, y crea grupos de características de agentes para cada grupo, se logró la capacidad de reducir el número de ejemplos combinatorios. Esto le permite buscar causas que están directamente relacionadas con las contramedidas y obtener una respuesta a la pregunta de qué medidas serán efectivas para reducir las multitudes.
Identificación de la gama completa de razones para la formación de multitudes en función de las características, acciones y métodos de percepción distintivos.Por ejemplo, en relación con un grupo de personas que se encuentran en la tienda A y B en un centro comercial, cuando se detecta un grupo de personas, se puede determinar que el grupo en la tienda A fue causado por personas que vieron el puntero, y el grupo en la tienda B fue causado por personas que terminaron de cenar en café y todos vinieron a la tienda juntos. Por lo tanto, la congestión en la tienda A puede eliminarse mediante la instalación de nuevos letreros, y la congestión en la tienda B puede eliminarse aumentando el número de personal y la velocidad del servicio.
Identificación de las causas y ejemplos de contraataques que han recibido gracias a la tecnología.Al modelar el comportamiento humano, los expertos tienden a repetir el proceso de prueba y error analizando las grandes cantidades de datos que se han obtenido como resultado del modelado, y sugieren hipótesis de las causas de las multitudes y las posibles contramedidas basadas en su experiencia e información, y luego vuelven a realizar la simulación para evaluar hipótesis sugeridas En consecuencia, un análisis de las causas propuestas y la determinación de las contramedidas puede llevar varios meses. Y en algunos casos, cuando el analista omite ciertas razones, pueden surgir problemas adicionales. La nueva tecnología de los profesores Takahashi y Fujitsu Laboratories proporciona una identificación exhaustiva de las características de los agentes relacionados con las multitudes. En consecuencia, el número de ejemplos combinatorios disminuye. Esto le permite buscar causas que están directamente relacionadas con las contramedidas y desarrollar rápidamente medidas para lidiar con las colas.
La tecnología permite la evaluación rápida de parámetros para evitar la formación de multitudes en lugares de comercio, lugares de diversos eventos y en otros lugares donde se pueden formar multitudes debido a su alta asistencia o centralización. Por lo tanto, el nuevo desarrollo permite aumentar la seguridad y la comodidad de los entornos urbanos.
Relevancia
Los lugares, aeropuertos y centros comerciales, donde a menudo se forman grandes masas de personas, pueden afectar negativamente el nivel de satisfacción del cliente y, en última instancia, las ventas. Actualmente, además de las formas de resolver este problema, como aumentar el número de personal desplegado en las entradas, salidas y puntos de venta para ayudar a los visitantes, existen otras medidas que incluyen la instalación de letreros y patrones especiales para mover a los visitantes a menos locales ocupados Sin embargo, para implementar medios más efectivos para reducir el flujo, es importante comprender qué tipos de personas tomarán qué tipos de acciones en respuesta a qué tipos de información.
Para esto, las tecnologías de "modelar el comportamiento humano" se utilizan cada vez más. Los especialistas realizan modelos de las características distintivas, percepciones y acciones de varios grupos de personas como "agentes". Y con la ayuda del modelado virtual asistido por computadora de las situaciones de colas, los científicos pueden analizar las causas y evaluar las soluciones que evitarán las multitudes.