在您面前的不是虚构的广告杂志《未来的机场》。 这是日本福冈市真正的运营机场，为旅客提供大量的自由出行空间。 通过特殊的建模技术，可以确定排队的原因并采取优化措施。 谁在乎这项技术的工作原理，我要求一只猫。
照片由福冈提供 早稻田大学工业系统与控制系统工程学系主任高桥伸吾教授和富士通实验室已经开发出一种技术，该技术可以识别在公共场所拥挤的原因。 该解决方案基于对人类行为进行建模的结果，自动分析了导致大量人群形成的因素。
早在2015年，富士通和高桥教授在人类行为建模系统中使用了该技术，该系统分析了消除福冈机场排队的措施。 与专家分析相比，他们能够发现4倍以上的人群原因。 例如，当在检查乘客和行李期间分析人群时，该系统能够首先检测到聚集在特定值机柜台的乘客在检查区引起了意外的人群。 在模拟过程中，已确认该技术将等待检查通过的人数减少了六分之一。 此外，员工数量可以减少三分之一。 而且，分析时间从数月缩短至数分钟，大大减少了。
新的开发将类别划分为具有一定共性的组，并以少量类别组合的形式表示相应“主体”的特征（模拟行为，人的行为），而无需汇总移动结果或成千上万个主体的路线列表。 这种方法使识别与人群原因相关的代理人的特征变得更加容易，并使创建与某些特征性标志和移动示例相关的参数成为可能。
人们的行为模拟图和机场拥挤预测以前，由于与代理人的区别特征，感知和行为有关的数据（例如，代理人的任务是“吃午饭”或代理人在某个点看到了指针），这些数据应表示为数据库中的数十条记录，合并以创建代理特征，此过程创建了大量组合示例。 借助新技术，该技术可以创建包含特性相似性的逻辑组，并为每个组创建代理特性集群，从而实现了减少组合示例数量的能力。 这使您可以搜索与对策直接相关的原因，并获得有关哪些措施可以有效减少人群的问题的答案。
根据独特的特征，行为和感知方法，确定形成人群的各种原因例如，关于购物中心中的商店A和B中出现的一群人，当检测到一群人时，可以确定商店A中的一群人是由看到指针的人造成的，而商店B中的那群人是由在该餐厅就餐的人造成的。咖啡馆和所有人一起来到商店。 因此，可以通过设置新的标志来消除商店A中的拥挤，并且可以通过增加人员数量和服务速度来消除商店B中的拥挤。
查明由于技术而引起反作用的原因和实例在对人类行为进行建模时，专家倾向于通过分析作为建模结果而获得的大量数据来重复尝试和错误过程，并根据他们的经验和信息来提出人群成因的假设和可能的对策，然后重新进行仿真以进行评估建议的假设。 因此，对提出的原因进行分析并确定对策可能需要几个月的时间。 并且在某些情况下，当分析人员错过某些原因时，可能会出现其他问题。 高桥教授和富士通实验室的新技术可以全面识别与人群相关的代理商的特征。 因此，组合示例的数量减少。 这使您可以搜索与对策直接相关的原因，并迅速制定应对措施。
该技术允许对参数进行快速评估，以防止在交易场所，各种事件的场所以及由于人员密集或集中化而可能形成人群的其他地方形成人群。 因此，新的发展使得有可能增加城市环境的安全性和舒适性。
相关性
通常会形成大量人群的场所，机场和购物中心，可能会对客户满意度以及最终的销售产生负面影响。 当前，除了解决该问题的方法（例如增加在入口，出口和销售点派遣人员以协助访客的方法）外，还有许多其他措施，包括安装特殊的标志和图案以将访客移到较低的位置。繁忙的处所。 但是，要实施更有效的减少流量的方法，重要的是要了解哪种类型的人将响应哪种类型的信息而采取哪种类型的动作。
为此，越来越多地使用“模拟人类行为”的技术。 专家对作为“代理人”的不同人群的独特特征，感知和行为进行建模。 借助计算机辅助的排队状况虚拟建模，科学家可以分析原因并评估可以防止人群进入的解决方案。