Ley matemática de evolución que ayuda a simular los desplazamientos entre multitudes

La ley temporal matemática que gobierna el flujo de gente
Los peatones evitar chocar entre sí mediante la anticipación cuando sus caminos se chocan.

Ron Cowen - Nature


Caminando entre multitudes significa predecir el futuro. Al navegar por las zonas de alto tráfico, las personas ajustan sus caminos después inconscientemente calcular cuánto tiempo le tomaría a chocar con otra persona.

Los investigadores han llegado a esta conclusión mediante el análisis de vídeos de multitudes. Dicen que podría conducir al diseño más seguro de los espacios públicos y la ayuda en el desarrollo de métodos de multitud de vigilancia para evitar estampidas mortales.

Cuando el movimiento multitud científicos estudio, suelen modelar personas como partículas que se repelen entre sí, de manera similar a las cargas electrostáticas del mismo signo en movimiento. Skinner y sus colegas espera que la "fuerza repulsiva 'dependerá de la separación en el espacio entre los peatones, haciéndolos cambio de trayectoria cuando se acercan demasiado, a fin de evitar colisiones.

Si la analogía electrostática fuera correcta, la intensidad de la fuerza sería proporcional a la inversa del cuadrado de la distancia mutua, con la repulsión convirtiendo rápidamente más fuerte como dos personas se acercan entre sí. En cambio, el equipo encontró que la fuerza es proporcional a la inversa del cuadrado de la hora prevista para el próximo choque. En particular, los investigadores señalan, si dos personas caminan lado a lado - y por lo tanto no anticipan chocando juntos - pueden hacerlo a muy corta distancia, sin sentir la necesidad de poner más distancia en el medio.

"Lo que es interesante no es tanto la comprensión de una persona que navegue a través de una multitud, pero la promesa de predecir lo que las multitudes se hacen utilizando una regla simple", dice Skinner.

Esta norma describe con precisión el movimiento de las personas que navegan los campus universitarios en Israel y de los participantes en los experimentos de multitudes en Alemania, tanto de captura de vídeos. Además, las simulaciones mostraron que la ley de tiempo simple también reproduce muchas de las propiedades conocidas de las interacciones multitud (ver vídeo de arriba), como abarrotar pasajes estrechos alrededor y espontáneamente formando carriles.

Pero el modelo del equipo se rompe si la hora prevista para el próximo choque es más de tres segundos, dice Skinner. Esto puede reflejar la posibilidad de que las personas en una multitud no se preocupan por lo que pasará más allá de ese intervalo, dice.

Mehdi Moussaid, que estudia la conducta de la multitud en el Instituto Max Planck para el Desarrollo Humano en Berlín, dice: "Lo bueno de este trabajo es que está basada en observaciones empíricas, y que el resultado es limpio: la misma ley exacta poder emerge de diferentes conjuntos de datos. "el modelo también podría ayudar a" predicciones afinar los movimientos de multitudes durante los eventos de masas, como la peregrinación a La Meca ", añade Moussaid, que ha estudiado el movimiento de las inmensas multitudes que convergen en la ciudad saudí durante el Hajj. "Pero cuando se trata de accidentes y desastres multitud de multitudes, la pregunta abierta es si la misma regla sigue siendo válida en condiciones de alto estrés, por ejemplo, durante el pánico y evacuaciones de emergencia."

Los autores admiten que la dependencia del tiempo que se considere que no puede dar cuenta de la stop-and-go de multitudes en el que la gente está tan cerca que presionan uno contra el otro, o para el inicio de movimiento caótico, o 'turbulencias', que se ha observado en crowds2 extremadamente densa. En tales situaciones, el modelo puede necesitar modificaciones, Skinner dice, porque la gente ya no pueden confiar en el tiempo proyectado para el próximo choque de navegar. Sin embargo, el modelo actual puede ser capaz de advertir cuando tales situaciones multitud peligroso están a punto de surgir, añade.

De hecho, el siguiente paso del equipo, dice el coautor del estudio, Stephen Guido de la Universidad de Minnesota en Minneapolis, es combinar la modelización con datos de cámaras de vigilancia y otros sistemas de peatones de seguimiento para detectar el estado actual de una multitud y predecir cómo lo hará cambiar con el tiempo. "La identificación de los problemas de multitudes antes de que lleguen a producirse tiene el verdadero potencial de salvar vidas", dice.

Skinner también espera para probar si el modelo se aplica al tráfico la carretera. Igor Aronson, un físico que es también en el Laboratorio Nacional Argonne, pero no fue parte del estudio, añade que la norma también podría ser aplicable a otros grupos de animales, como aves o peces.

Naturaleza doi: 10.1038 / nature.2014.16385

Referencias

Karamouzas, I., Skinner, B. & Guy, S. J. Phys. Rev. Lett., En prensa https://journals.aps.org/prl/accepted/a107cY1eJcf17a3de6e35df1ba811b0672913dedd (2014).
Helbing, D., Johansson, A. & Al-Abideen, HZ Phys. Rev. E 75, 046109 (2007).