Un descubrimiento de datos revela lo rápido que se mueven las grandes multitudes

El conjunto de datos más grande del mundo, basado en multitudes de la vida real, podría ayudar a que los espacios públicos se vuelvan menos concurridos y mantenernos seguros en el proceso.

Las multitudes pueden ser molestas. Pero, ¿cómo se evitan las personas, con todas sus piernas, codos y hombros por todas partes? Una investigación reciente analiza precisamente eso, después de ver a cinco millones de personas viajar a través de una estación de tren abarrotada para descubrir cómo se mueven realmente las personas.

Hasta la fecha, la mayoría de los estudios de dinámica de multitudes se han basado en movimientos en experimentos realizados en condiciones de laboratorio o en modelos informáticos. Estos estudios previos han encontrado que cuando las personas caminan, a menudo comienzan en un camino deliberado, una trayectoria imaginada en su cabeza. Pero cuando aprenden más sobre el medio ambiente, como obstáculos oscuros en el camino, como un estanque o personas que se dirigen hacia ellos, se adaptan en una fracción de segundo, doblando efectivamente su movimiento.

El objetivo del nuevo estudio, realizado por un equipo de los Países Bajos, Italia y EE. UU., Era analizar exactamente esto y averiguar cómo se produce realmente este ajuste, cuándo y a qué velocidad. Los investigadores encontraron que si los peatones se encontraban en posibles rutas de colisión, cambiaban su ruta para que su distancia mutua fuera en promedio no menos de 0,75 metros. Para averiguarlo, los investigadores trataron a los individuos como partículas en un fluido, comparando la dinámica de masas con los flujos de fluidos con partículas que interactúan entre sí.

“La principal fortaleza del artículo es el escenario de clasificación automatizada de multitudes”, dice Adrian Muntean, matemático de la Universidad de Karlstad en Suecia, que está investigando la dinámica de multitudes y no ha participado en el estudio. El documento, agrega, “arroja luz sobre lo que podrían conducir los primeros pasos o el diseño de estrategias de evacuación para los edificios existentes, que son esenciales si hay una gran multitud de personas”.

Publicado en Physical Letters E, la investigación se basó en cuatro sensores Kinect de Microsoft instalados cerca del techo en un pasillo en una estación de tren abarrotada en Eindhoven, Países Bajos. Los científicos recopilaron información sobre 100.000 viajes al día, desde octubre de 2014 hasta marzo de 2015, y crearon mapas de profundidad superpuestos del área.

Los investigadores midieron la interacción más simple: entre dos peatones que caminan uno hacia el otro, técnicamente conocida como interacción de pareja. Luego mapearon sus trayectorias y asignaron a cada individuo un nodo en un gráfico correspondiente. Una vez que alguien más estuvo en el pasillo, hicieron los nudos en los gráficos. Cuanta más gente había, más compleja se volvía la red de nodos entre ellos.

Una vez recopilados los datos, los investigadores diseñaron un programa informático para examinarlos y clasificarlos. “Con meses de datos, hemos podido observar muchas condiciones de congestión diferentes: desde flujos diluidos a densos, desde unidireccionales a multidireccionales, desde viajeros hasta caminantes de ocio”, dice Alessandro Corbetta, físico de la Universidad Tecnológica de Eindhoven en los Países Bajos. el autor principal del estudio. “Pero el potencial de estos datos es ilimitado, ya que hemos considerado situaciones que involucran la evitación mutua de pares de peatones, y esto es solo un primer paso”.

El equipo también identificó eventos raros, como reversión espontánea o desvío, que ocurren aproximadamente una vez por cada mil personas. En general, los entornos de laboratorio no son excelentes para identificar tales eventos, pero los sensores también han ayudado aquí. En el futuro, este tipo de datos podría ser útil para que las autoridades reciban alertas sobre áreas propensas a lesiones personales, debido a un problema de infraestructura, decimos. Dichas alertas podrían usarse para enviar mensajes de texto automatizados a los peatones, indicándoles qué estación de salida deben usar y cuáles están ocupadas.

El artículo aparece al mismo tiempo que otro estudio de un equipo de la Universidad de Sichuan y la Universidad de Hong Kong que analiza el movimiento de un grupo de 70 personas en el entorno del laboratorio. Este otro trabajo, sin embargo, se centra específicamente en la duración de los pasos de las personas en diferentes condiciones. El equipo descubrió que las personas tienden a dar pasos más largos cuando hay menos personas alrededor y viceversa.

“En el pasado, los científicos se han enfrentado a dos problemas: cómo recopilar datos sin procesar y cómo analizarlos”, dice Mehdi Moussaid, investigador en dinámica de masas e influencia social en el Instituto Max Planck para el Desarrollo Humano en Alemania. cualquiera de los papeles. Este desafío se ha superado recientemente debido a los sofisticados dispositivos de detección de movimiento y los algoritmos de visión por computadora de inteligencia artificial, agrega, por lo que la investigación de masas está entrando en la era de Big Data.

“En mi opinión, no hay esperanzas de que podamos predecir cómo se moverá un individuo en particular en el futuro”, dice Corbetta, lo que minimiza la posibilidad de accidentes.

– Dentro del sitio de alquiler más grande de la Dark Web

– Cómo la nueva transmisión eléctrica de BMW torpedeó a Tesla

– Google ya no es la mejor empresa para la que trabaja en el Reino Unido.

– Cómo entender la incesante espiral de la muerte de bitcoin

Lograr lo mejor de DyN Noticias en tu bandeja de entrada todos los sábados con el boletín DyN Noticias Weekender

Gran parte de las noticias de la ciencia de la tierra en un sólo sitio. noticias de Ciencia.