फुकुओका एयरपोर्ट ने कैसे पाया कि कतारें कम करने के लिए कौन से उपाय कारगर होंगे

इससे पहले कि आप विज्ञापन पत्रिका "भविष्य के हवाई अड्डों" से एक काल्पनिक तस्वीर नहीं है। यह जापानी शहर फुकुओका में एक वास्तविक संचालन हवाई अड्डा है, जो यात्रियों को स्थानांतरित करने के लिए बहुत सारी खाली जगह प्रदान करता है। विशेष मॉडलिंग तकनीक के लिए धन्यवाद, कतार के कारणों की पहचान की गई और अनुकूलन के उपाय किए गए। कौन परवाह करता है कि यह तकनीक कैसे काम करती है, मैं एक बिल्ली के लिए पूछता हूं।


फोटो फुकुओका के सौजन्य से

वासेदा विश्वविद्यालय और फुजित्सु प्रयोगशालाओं में औद्योगिक प्रणाली और नियंत्रण प्रणाली इंजीनियरिंग विभाग के प्रमुख प्रोफेसर शिंगो ताकाहाशी ने एक ऐसी तकनीक विकसित की है जो सार्वजनिक स्थानों पर भीड़ के कारणों की पहचान करती है। समाधान स्वचालित रूप से उन कारकों का विश्लेषण करता है जिनके कारण लोगों के एक बड़े जनसमूह का गठन हुआ, जो मानव व्यवहार के मॉडलिंग के परिणामों पर आधारित था।

2015 में वापस, फुजित्सु और प्रोफेसर ताकाहाशी ने इस तकनीक का उपयोग मानव व्यवहार की मॉडलिंग की प्रणाली में किया, जिसने फुकुओका में हवाई अड्डे पर कतार को खत्म करने के उपायों का विश्लेषण किया। वे विशेषज्ञों के विश्लेषण की तुलना में भीड़ के 4 गुना अधिक कारणों का पता लगाने में सक्षम थे। उदाहरण के लिए, यात्रियों और सामान की स्क्रीनिंग के दौरान लोगों की भीड़ का विश्लेषण करते समय, सिस्टम पहले यह पता लगाने में सक्षम था कि एक विशेष चेक-इन डेस्क पर इकट्ठा हुए यात्रियों ने चेक-अप क्षेत्र में लोगों की अप्रत्याशित भीड़ का कारण बना। सिमुलेशन के दौरान, यह पुष्टि की गई कि यह तकनीक निरीक्षण के पारित होने की प्रतीक्षा कर रहे लोगों की संख्या को एक छठे तक कम कर देती है। इसके अलावा, कर्मचारियों की संख्या एक तिहाई तक कम हो सकती है। और विश्लेषण का समय काफी कम हो गया था, कई महीनों से लेकर कई मिनटों तक।

नया विकास उन समूहों में श्रेणियों को एकजुट करता है जिनकी एक निश्चित समानता है, और आंदोलन के परिणाम या दसियों या सैकड़ों एजेंटों के मार्गों की सूचियों के संकलन के बिना श्रेणियों के संयोजन की एक छोटी संख्या के रूप में संबंधित "एजेंटों" (सिम्युलेटेड व्यवहार, लोगों के कार्यों) की विशेषताओं को व्यक्त करता है। यह दृष्टिकोण भीड़ के कारणों से जुड़े एजेंटों की विशेषताओं की पहचान करना आसान बनाता है, और कुछ विशिष्ट संकेतों और आंदोलन के उदाहरणों से संबंधित पैरामीटर बनाना संभव बनाता है।


हवाई अड्डे पर लोगों के व्यवहार और भीड़ के पूर्वानुमान का आरेख

पहले, क्योंकि एजेंटों की विशिष्ट विशेषताओं, धारणाओं और कार्यों से संबंधित डेटा (उदाहरण के लिए, एजेंट का कार्य "दोपहर का भोजन करना है" या एजेंट ने एक बिंदु पर एक संकेतक देखा), जिसे डेटाबेस में दर्जनों रिकॉर्ड के रूप में व्यक्त किया जाना चाहिए। एजेंट विशेषताओं को बनाने के लिए संयुक्त किया गया था, इस प्रक्रिया ने बड़ी संख्या में दहनशील उदाहरण तैयार किए। नई तकनीक के साथ, जो तार्किक समूहों को बनाता है जो विशेषताओं में समानताएं शामिल करते हैं, और प्रत्येक समूह के लिए एजेंट विशेषताओं के क्लस्टर बनाते हैं, दहनशील उदाहरणों की संख्या को कम करने की क्षमता का एहसास हुआ। यह आपको उन कारणों की खोज करने की अनुमति देता है जो सीधे तौर पर काउंटरमेशर्स से संबंधित हैं, और इस सवाल का जवाब मिलता है कि भीड़ को कम करने के लिए कौन से उपाय प्रभावी होंगे।


विशिष्ट विशेषताओं, कार्यों और धारणा के तरीकों के आधार पर भीड़ के गठन के कारणों की पूरी श्रृंखला की पहचान

उदाहरण के लिए, एक शॉपिंग सेंटर में स्टोर ए और बी में होने वाले लोगों के समूह के संबंध में, जब लोगों के एक क्लस्टर का पता लगाया जाता है, तो यह निर्धारित किया जा सकता है कि स्टोर ए में क्लस्टर क्लस्टर उन लोगों के कारण था जो पॉइंटर को देखते थे, और स्टोर बी में क्लस्टर उन लोगों के कारण था जो भोजन समाप्त कर चुके थे। कैफे और सभी एक साथ स्टोर में आए। इस प्रकार, स्टोर ए में जमाव को नए संकेतों को स्थापित करके समाप्त किया जा सकता है, और स्टोर बी में भीड़ को कर्मचारियों की संख्या और सेवा की गति बढ़ाकर समाप्त किया जा सकता है।


प्रौद्योगिकी के लिए धन्यवाद प्राप्त काउंटरों के कारणों और उदाहरणों की पहचान

मॉडलिंग करते समय मानव व्यवहार, विशेषज्ञ मॉडलिंग के परिणामस्वरूप प्राप्त किए गए डेटा की बड़ी मात्रा का विश्लेषण करके परीक्षण और त्रुटि प्रक्रिया को दोहराते हैं, और उनके अनुभव और जानकारी के आधार पर भीड़ और संभावित प्रतिकृतियों के कारणों की परिकल्पना का सुझाव देते हैं, और फिर मूल्यांकन करने के लिए सिमुलेशन का पुन: प्रदर्शन करते हैं। सुझाव दिया परिकल्पना। तदनुसार, प्रस्तावित कारणों का विश्लेषण और काउंटरमेशर्स के निर्धारण में कई महीने लग सकते हैं। और कुछ मामलों में, जब विश्लेषक कुछ कारणों से चूक गए, तो अतिरिक्त समस्याएं उत्पन्न हो सकती हैं। प्रोफेसरों ताकाहाशी और फुजित्सु प्रयोगशालाओं की नई तकनीक उन एजेंटों की विशेषताओं की व्यापक पहचान प्रदान करती है जो भीड़ से संबंधित हैं। नतीजतन, दहनशील उदाहरणों की संख्या कम हो जाती है। यह आपको उन कारणों की खोज करने की अनुमति देता है जो सीधे तौर पर काउंटरमेशर्स से संबंधित हैं, और कतारों से निपटने के लिए जल्दी से उपाय विकसित करने के लिए मिलते हैं।

प्रौद्योगिकी व्यापार के स्थानों, विभिन्न घटनाओं के स्थानों और अन्य स्थानों पर भीड़ के गठन को रोकने के लिए मापदंडों के तेजी से मूल्यांकन के लिए अनुमति देती है जहां उनकी उच्च उपस्थिति या केंद्रीकरण के कारण भीड़ बन सकती है। इस प्रकार, नया विकास शहरी वातावरण की सुरक्षा और सुविधा को बढ़ाना संभव बनाता है।

असली

वेन्यू, एयरपोर्ट और शॉपिंग सेंटर, जहां लोगों की बड़ी संख्या अक्सर बनती है, ग्राहकों की संतुष्टि के स्तर को नकारात्मक रूप से प्रभावित कर सकती है और अंततः, बिक्री। वर्तमान में, इस समस्या को हल करने के तरीकों के अलावा, जैसे कि आगंतुकों की सहायता के लिए प्रवेश द्वार, निकास और बिक्री के बिंदुओं पर तैनात कर्मियों की संख्या में वृद्धि, ऐसे कई अन्य उपाय हैं जिनमें आगंतुकों को कम करने के लिए विशेष संकेत और पैटर्न की स्थापना शामिल है। व्यस्त परिसर। हालांकि, प्रवाह को कम करने के अधिक प्रभावी साधनों को लागू करने के लिए, यह समझना महत्वपूर्ण है कि किस प्रकार की जानकारी के जवाब में लोग किस प्रकार के कार्यों को लेंगे।

इसके लिए, "मानव व्यवहार मॉडलिंग" की तकनीकों का तेजी से उपयोग किया जा रहा है। विशेषज्ञ "एजेंटों" के रूप में लोगों के विभिन्न समूहों की विशिष्ट विशेषताओं, धारणाओं और कार्यों का मॉडलिंग करते हैं। और कतारबद्ध स्थितियों के कंप्यूटर-सहायता प्राप्त आभासी मॉडलिंग की मदद से, वैज्ञानिक कारणों का विश्लेषण कर सकते हैं और उन समाधानों का मूल्यांकन कर सकते हैं जो भीड़ को रोकेंगे।