Antes você não é uma imagem fictícia da revista de publicidade "Aeroportos do Futuro". Este é um aeroporto de operação real na cidade japonesa de Fukuoka, que oferece aos passageiros muito espaço livre para se movimentarem. Graças à tecnologia de modelagem especial, os motivos das filas foram identificados e as medidas de otimização foram tomadas. Quem se importa com o funcionamento dessa tecnologia, peço um gato.
Foto cedida por Fukuoka O professor Shingo Takahashi, chefe do Departamento de Engenharia de Sistemas Industriais e Sistemas de Controle da Universidade de Waseda e dos Laboratórios Fujitsu, desenvolveu uma tecnologia que identifica os motivos de aglomeração em locais públicos. A solução analisa automaticamente os fatores que levaram à formação de uma grande massa de pessoas, com base nos resultados da modelagem do comportamento humano.
Em 2015, Fujitsu e Professor Takahashi usavam essa tecnologia em um sistema para modelar o comportamento humano, que analisava medidas para eliminar filas no aeroporto de Fukuoka. Eles foram capazes de detectar 4 vezes mais causas de multidões em comparação com a análise de especialistas. Por exemplo, ao analisar uma multidão de pessoas durante a triagem de passageiros e bagagem, o sistema foi capaz de detectar primeiro que os passageiros reunidos em um balcão de check-in específico causavam uma multidão inesperada de pessoas na área de check-up. Durante a simulação, foi confirmado que essa tecnologia reduz em um sexto o número de pessoas que aguardam a passagem da inspeção. Além disso, o número de funcionários pode ser reduzido em um terço. E o tempo de análise foi reduzido significativamente, de vários meses para vários minutos.
O novo desenvolvimento une categorias em grupos que têm uma certa semelhança e expressa as características dos "agentes" correspondentes (comportamento simulado, ações das pessoas) na forma de um pequeno número de combinações de categorias sem compilar listas de resultados de movimento ou rotas de dezenas ou centenas de milhares de agentes. Essa abordagem facilita a identificação das características dos agentes associados às causas das multidões e possibilita a criação de parâmetros relacionados a certos sinais característicos e exemplos de movimento.
Diagrama de simulação do comportamento das pessoas e previsão de aglomeração no aeroportoAnteriormente, porque os dados relacionados aos recursos, percepções e ações distintivas dos agentes (por exemplo, a tarefa do agente é "almoçar" ou o agente viu um ponteiro em um ponto), que deve ser expresso como dezenas de registros no banco de dados, foram combinados para criar características do agente, esse processo criou um grande número de exemplos combinatórios. Com a nova tecnologia, que cria grupos lógicos que incluem semelhanças em características e cria agrupamentos de características de agentes para cada grupo, foi alcançada a capacidade de reduzir o número de exemplos combinatórios. Isso permite procurar causas diretamente relacionadas às contramedidas e obter uma resposta para a pergunta de quais medidas serão eficazes para reduzir as multidões.
Identificação de toda a gama de razões para a formação de multidões com base nas características, ações e métodos de percepção distintosPor exemplo, em relação a um cluster de pessoas que ocorrem na loja A e B em um shopping center, quando um cluster de pessoas é detectado, pode-se determinar que o cluster na loja A foi causado por pessoas que viram o ponteiro, e o cluster na loja B foi causado por pessoas que terminaram de jantar em café e todos vieram juntos à loja. Assim, o congestionamento na loja A pode ser eliminado com a instalação de novos sinais, e o congestionamento na loja B pode ser eliminado aumentando o número de funcionários e a velocidade do serviço.
Identificação das causas e exemplos de contrações recebidas graças à tecnologiaAo modelar o comportamento humano, os especialistas tendem a repetir o processo de tentativa e erro analisando as grandes quantidades de dados que foram obtidos como resultado da modelagem, e sugerem hipóteses sobre as causas das multidões e possíveis contramedidas com base em sua experiência e informações e, em seguida, re-executando a simulação para avaliar hipóteses sugeridas. Consequentemente, uma análise das causas propostas e a determinação de contramedidas podem levar vários meses. E, em alguns casos, quando o analista perdeu certos motivos, podem surgir problemas adicionais. A nova tecnologia dos professores Takahashi e Fujitsu Laboratories fornece uma identificação abrangente das características dos agentes relacionados às multidões. Consequentemente, o número de exemplos combinatórios diminui. Isso permite procurar causas diretamente relacionadas às contramedidas e desenvolver rapidamente medidas para lidar com as filas.
A tecnologia permite a rápida avaliação de parâmetros para impedir a formação de multidões em locais de comércio, locais de vários eventos e em outros locais onde as multidões podem se formar devido à sua alta presença ou centralização. Assim, o novo empreendimento possibilita aumentar a segurança e o conforto dos ambientes urbanos.
Relevância
Locais, aeroportos e shopping centers, onde muitas vezes são formadas grandes massas de pessoas, podem afetar negativamente o nível de satisfação do cliente e, finalmente, as vendas. Atualmente, além de maneiras de resolver esse problema, como aumentar o número de pessoas empregadas nas entradas, saídas e pontos de venda para ajudar os visitantes, existem várias outras medidas que incluem a instalação de sinais e padrões especiais para levar os visitantes a menos instalações movimentadas. No entanto, para implementar meios mais eficazes de reduzir o fluxo, é importante entender que tipos de pessoas tomarão que tipos de ações em resposta a quais tipos de informação.
Para isso, tecnologias de "modelagem do comportamento humano" estão sendo cada vez mais usadas. Os especialistas realizam a modelagem das características, percepções e ações distintas de vários grupos de pessoas como "agentes". E com a ajuda da modelagem virtual assistida por computador das situações de enfileiramento, os cientistas podem analisar as causas e avaliar soluções que impedirão multidões.