拥挤博物馆管理：访客流测量、分析、建模与优化
物理与社会
2021-06-01 v3
摘要
我们呈现一项关于拥挤博物馆中访客流的全方面研究：拉格朗日现场测量与统计分析的结合使我们能够创建访客动力学的随机数字孪生，从而解锁以舒适与安全为驱动的优化。我们的案例研究是意大利罗马的博尔盖塞美术馆(Galleria Borghese)，我们在其中开展了真实数据采集活动。我们特别采用基于拉格朗日 IoT 的访客追踪系统，该系统基于布置于博物馆各展厅固定位置的 Raspberry Pi 接收器，以及交给访客的便携式蓝牙低能耗信标。借助两种算法：基于滑动窗口的统计分析和高斯 MLP 神经网络，我们过滤信标 RSSI 并在房间尺度精确重建访客轨迹。通过聚类分析(基于一种原创的类 Wasserstein 轨迹空间度量)，我们分析访客路径以获得行为洞察，包括最常见的流模式。在此基础上，我们构建以概率描述房间尺度访客流的状态转移矩阵。该矩阵是能够在计算机中生成访客轨迹的随机模型的基石。最后，我们利用模拟器在遵守众多物流与安全约束下增加每日访客数量。这得益于优化的票务与新的入口/出口管理。
引用
@article{arxiv.2006.16830,
title = {Managing Crowded Museums: Visitors Flow Measurement, Analysis, Modeling, and Optimization},
author = {Pietro Centorrino and Alessandro Corbetta and Emiliano Cristiani and Elia Onofri},
journal= {arXiv preprint arXiv:2006.16830},
year = {2021}
}