Wie der Flughafen Fukuoka herausfand, welche Maßnahmen zur Reduzierung der Warteschlangen wirksam sind

Vor Ihnen ist kein fiktives Bild aus dem Werbemagazin "Flughäfen der Zukunft". Dies ist ein wirklich operierender Flughafen in der japanischen Stadt Fukuoka, der den Passagieren viel Freiraum bietet. Dank der speziellen Modellierungstechnologie wurden die Gründe für die Warteschlange identifiziert und Optimierungsmaßnahmen ergriffen. Wen interessiert es, wie diese Technologie funktioniert? Ich frage nach einer Katze.


Foto mit freundlicher Genehmigung von Fukuoka

Professor Shingo Takahashi, Leiter der Abteilung für industrielle Systeme und Steuerungstechnik an der Waseda University und den Fujitsu Laboratories, hat eine Technologie entwickelt, die die Gründe für das Gedränge an öffentlichen Orten identifiziert. Die Lösung analysiert automatisch die Faktoren, die zur Bildung einer großen Masse von Menschen geführt haben, basierend auf den Ergebnissen der Modellierung des menschlichen Verhaltens.

Bereits 2015 verwendeten Fujitsu und Professor Takahashi diese Technologie in einem System zur Modellierung des menschlichen Verhaltens, in dem Maßnahmen zur Beseitigung von Warteschlangen am Flughafen in Fukuoka analysiert wurden. Sie konnten im Vergleich zur Expertenanalyse viermal mehr Massenursachen feststellen. Bei der Analyse einer Personenmenge während der Überprüfung von Passagieren und Gepäck konnte das System beispielsweise zunächst feststellen, dass an einem bestimmten Check-in-Schalter versammelte Passagiere eine unerwartete Personenmenge im Check-up-Bereich verursachten. Während der Simulation wurde bestätigt, dass diese Technologie die Anzahl der Personen, die auf den Durchgang der Inspektion warten, um ein Sechstel reduziert. Zusätzlich kann die Anzahl der Mitarbeiter um ein Drittel reduziert werden. Die Analysezeit wurde von mehreren Monaten auf einige Minuten erheblich verkürzt.

Die neue Entwicklung fasst Kategorien zu Gruppen zusammen, die eine gewisse Gemeinsamkeit aufweisen, und drückt die Merkmale der entsprechenden „Agenten“ (simuliertes Verhalten, Handlungen von Personen) in Form einer kleinen Anzahl von Kombinationen von Kategorien aus, ohne Listen mit Bewegungsergebnissen oder Routen von Zehntausenden oder Hunderttausenden von Agenten zu erstellen. Dieser Ansatz erleichtert die Identifizierung der Merkmale von Agenten, die mit den Ursachen von Menschenmengen verbunden sind, und ermöglicht die Erstellung von Parametern, die sich auf bestimmte charakteristische Zeichen und Bewegungsbeispiele beziehen.


Simulationsdiagramm des Verhaltens von Personen und Vorhersage der Menschenmenge am Flughafen

Zuvor waren die Daten, die sich auf die Unterscheidungsmerkmale, Wahrnehmungen und Handlungen von Agenten beziehen (zum Beispiel besteht die Aufgabe des Agenten darin, zu Mittag zu essen oder der Agent hat an einem Punkt einen Zeiger gesehen), die als Dutzende von Datensätzen in der Datenbank ausgedrückt werden sollten. wurden kombiniert, um Agenteneigenschaften zu erzeugen. Dieser Prozess erzeugte eine große Anzahl kombinatorischer Beispiele. Mit der neuen Technologie, die logische Gruppen mit Ähnlichkeiten in den Merkmalen erstellt und Cluster von Agentenmerkmalen für jede Gruppe erstellt, wurde die Möglichkeit realisiert, die Anzahl der kombinatorischen Beispiele zu reduzieren. Auf diese Weise können Sie nach Ursachen suchen, die in direktem Zusammenhang mit Gegenmaßnahmen stehen, und eine Antwort auf die Frage erhalten, welche Maßnahmen zur Reduzierung der Menschenmenge wirksam sind.


Identifizierung der gesamten Bandbreite von Gründen für die Bildung von Menschenmengen anhand der Besonderheiten, Handlungen und Wahrnehmungsmethoden

In Bezug auf eine Gruppe von Personen, die in Geschäft A und B in einem Einkaufszentrum auftreten, kann beispielsweise festgestellt werden, dass die Gruppe in Geschäft A von Personen verursacht wurde, die den Zeiger gesehen haben, und die Gruppe in Geschäft B von Personen, die mit dem Essen fertig waren Cafe und alle kamen zusammen in den Laden. Somit kann eine Überlastung in Geschäft A durch die Installation neuer Schilder beseitigt werden, und eine Überlastung in Geschäft B kann durch Erhöhen der Anzahl der Mitarbeiter und der Geschwindigkeit des Dienstes beseitigt werden.


Identifizierung der Ursachen und Beispiele für Gegenmaßnahmen, die dank der Technologie eingegangen sind

Bei der Modellierung des menschlichen Verhaltens neigen Experten dazu, den Versuch und Irrtum-Prozess zu wiederholen, indem sie die großen Datenmengen analysieren, die als Ergebnis der Modellierung erhalten wurden, Hypothesen über die Ursachen von Menschenmengen und mögliche Gegenmaßnahmen auf der Grundlage ihrer Erfahrungen und Informationen vorschlagen und anschließend die Simulation zur Bewertung erneut durchführen vorgeschlagene Hypothesen. Dementsprechend kann eine Analyse der vorgeschlagenen Ursachen und die Ermittlung von Gegenmaßnahmen mehrere Monate dauern. In einigen Fällen können zusätzliche Probleme auftreten, wenn der Analyst bestimmte Gründe übersehen hat. Die neue Technologie der Professoren Takahashi und Fujitsu Laboratories bietet eine umfassende Identifizierung der Eigenschaften von Wirkstoffen, die mit Menschenmengen zusammenhängen. Folglich nimmt die Anzahl der kombinatorischen Beispiele ab. Auf diese Weise können Sie nach Ursachen suchen, die in direktem Zusammenhang mit Gegenmaßnahmen stehen, und schnell Maßnahmen zur Bewältigung der Warteschlangen entwickeln.

Die Technologie ermöglicht die schnelle Bewertung von Parametern, um die Bildung von Menschenmengen an Handelsplätzen, an Orten verschiedener Veranstaltungen und an anderen Orten zu verhindern, an denen sich aufgrund ihrer hohen Besucherzahl oder Zentralisierung Menschenmengen bilden können. Die neue Entwicklung ermöglicht es somit, die Sicherheit und den Komfort städtischer Umgebungen zu erhöhen.

Relevanz

Veranstaltungsorte, Flughäfen und Einkaufszentren, in denen sich häufig große Menschenmengen bilden, können sich negativ auf die Kundenzufriedenheit und letztendlich auf den Umsatz auswirken. Derzeit gibt es neben Möglichkeiten zur Lösung dieses Problems, z. B. die Erhöhung der Anzahl der an Eingängen, Ausgängen und Verkaufsstellen zur Unterstützung der Besucher eingesetzten Mitarbeiter, eine Reihe weiterer Maßnahmen, die die Installation spezieller Schilder und Muster umfassen, um die Besucher auf weniger zu bringen belebte Räumlichkeiten. Um jedoch effektivere Mittel zur Reduzierung des Datenflusses zu implementieren, ist es wichtig zu verstehen, welche Arten von Personen welche Arten von Maßnahmen als Reaktion auf welche Arten von Informationen ergreifen.

Hierzu werden zunehmend Technologien zur "Modellierung menschlichen Verhaltens" eingesetzt. Spezialisten modellieren die Besonderheiten, Wahrnehmungen und Handlungen verschiedener Personengruppen als „Agenten“. Mithilfe der computergestützten virtuellen Modellierung von Warteschlangensituationen können Wissenschaftler die Ursachen analysieren und Lösungen bewerten, die Menschenmassen verhindern.