Reaaliaikainen käyttöaste: kriisimittauksesta arjen joukkoviihtyvyyteen

Reaaliaikainen käyttöaste on tilassa juuri nyt olevien ihmisten määrä. Ovelle tai portille sijoitetut anturit laskevat jokaisen sisääntulon ja poistumisen, ja juokseva luku on sisääntulot miinus poistumiset. Ylläpitäjät käyttävät lukua pysyäkseen kapasiteettirajan sisällä, ohjatakseen henkilökuntaa täyttyvälle vyöhykkeelle ja suunnitellakseen aukioloajat ja tapahtumat.

Lyhyesti

• Ovelle tai portille sijoitetut anturit vähentävät poistumiset sisääntuloista juoksevasti, joten luvusta näkee, kuinka monta ihmistä sisällä on juuri nyt.
• Wi-Fi-pohjainen laskenta näyttää läsnäolon koko tilassa ja sen, miten se kasvaa ja purkautuu päivän mittaan.
• Kapasiteettirajoitukset toivat laskurit moniin kohteisiin vuosina 2020 ja 2021, ja monet ylläpitäjät pitivät ne henkilöstösuunnittelua ja väkijoukon mukavuutta varten.
• Areenat, liikennekeskukset ja vuoroesimiehet käyttävät lukua ohjatakseen väkijoukkoja, havaitakseen jonot ajoissa ja mitoittaakseen henkilöstön kysynnän mukaan.
• Lukumäärä ei ole henkilötieto, mutta järjestelmän keräämä aineisto voi olla, joten kysy, mitä järjestelmä kerää ja säilyttää.

Millä laskentamenetelmillä saa reaaliaikaisen käyttöasteluvun?

Tiettyä kohtaa mittaavat anturit antavat reaaliaikaisen luvun: kattoon asennetut 3D-kävijälaskurit, AI-kamerat, LiDAR-anturit ja sisäänkäynneillä, joilla laskennan on oltava tarkka, Xovis 3D -anturit. Jokainen linjan ylittävä henkilö lasketaan sisään tai ulos, joten kokonaismäärä päivittyy sitä mukaa kuin ihmisiä saapuu ja lähtee.

Wi-Fi-pohjainen laskenta sopii suurempiin ja hajautuneempiin ympäristöihin. Se näyttää, kuinka monta ihmistä tilassa on, ja miten määrä kasvaa tai purkautuu päivän mittaan. Reaaliaikainen luku yhdeltä tietyltä ovelta vaatii anturin sen viereen.

Luvut voi näyttää kojelaudalla, piirtää valvomossa koko kohteen käyttöastekartaksi tai syöttää laajempaan analytiikkajärjestelmään. Kynnysarvohälytykset toimivat lähes reaaliajassa Crowd Alert -lisäosan kautta. Tuotos on täysin koostettu, mikä sopii sekä toimintaan että tietosuojaan. Luku kertoo, että vyöhykkeellä B on 47 henkilöä, mutta ei mitään siitä, keitä he ovat.

Kannattaako käyttöastetta laskea nyt, kun kapasiteettirajoitukset ovat poissa?

Monen ylläpitäjän mielestä kannattaa. Kun kapasiteettivaatimukset purettiin, merkittävä osa heistä piti järjestelmänsä, vaikka lakisääteistä enimmäismäärää ei enää tarvinnut noudattaa. He käyttivät dataa henkilöstösuunnitteluun. Lisäksi he näkivät, missä ja milloin rakennus tuntui liian ruuhkaiselta ennen kuin valitus saapui, mitkä sisäänkäynnit olivat pullonkauloja ja mikä kahvilanurkkaus oli tyhjänä lounasruuhkan aikana.

Monet järjestelmistä asennettiin vuonna 2020, kun kaikkien toimialojen kohteiden piti tietää, kuinka monta ihmistä sisällä oli juuri nyt, eikä karkea arvio tai lippujen määrä ollut riittävän tarkka laillisesti vaaditun kapasiteettirajoituksen puolustamiseen. Kävijälaskentalaitteista, jotka olivat olleet mukava lisä, tuli infrastruktuuria lähes yhdessä yössä. Sitä ennen käyttöasteseurantaa oli lähinnä siellä, missä kapasiteetilla oli eniten merkitystä: areenoilla, konserttipaikoissa, stadioneilla ja joissakin liikennekeskuksissa. Enimmäismäärät veivät sen vähittäiskauppaan, museoihin, kirjastoihin, julkisen sektorin rakennuksiin ja kaikkialle muualle, missä sisätilojen kokoontumisia rajoitettiin. Teknologia oli useimmissa tapauksissa jo kypsää, joten muutos koski käyttöönoton nopeutta ja sitä, kuinka moni toimiala otti sen käyttöön.

Tiheys on yksi luotettavimmista tekijöistä, jotka vaikuttavat kävijöiden tyytyväisyyteen ja tyytymättömyyteen. Ruuhka muokkaa sitä, miltä käynti tuntuu: kaupan ruuhkaa koskeva tutkimus osoittaa, että ahdas tila heikentää tyytyväisyyttä, kun taas eloisa ja vilkas tunnelma voi parantaa sitä. Kävijä, joka saapuu kauppakeskukseen ja huomaa sen odottamatta ruuhkaiseksi lauantain lounasaikaan, ei välttämättä lähde, mutta se värittää koko käynnin. Kun sama kauppakeskus tuntuu hyvin hoidetulta eikä liian ruuhkaiselta, kävijät todennäköisemmin viipyvät pidempään. Hälytys 80 %:ssa mukavan tiheyden kynnysarvosta on hyödyllisempi kuin valitus 110 %:ssa.

Miten ylläpitäjät käyttävät reaaliaikaista käyttöastetta kapasiteetinhallintaan?

Sen avulla ylläpitäjät näkevät paineen kasvavan ja voivat toimia, oli kyse sitten väkijoukon ohjaamisesta, lisähenkilöstön ohjaamisesta kaistalle tai siitä, että kohde pysyy rajassa, jonka se pystyy turvallisesti ottamaan vastaan.

Areena- ja tapahtumakohteet käyttävät vyöhyketason käyttöastetta jakaakseen yleisöä uudelleen ennen kuin paine kasvaa tietyssä kohdassa, kuten kulkukäytävällä, portilla tai baarijonossa. Henkilökunta ehtii siirtyä ennen kuin ongelma näkyy vieraille.

Liikenteen terminaaleissa (lentoasemilla, rautatieasemilla ja lauttaterminaaleissa) kulkua ovat aina rajoittaneet tiukat operatiiviset reunaehdot. Käyttöastedata on siirtynyt turvallisuustyökalusta kävijäkokemuksen työkaluksi. Se ohjaa dynaamista opastusta, kertoo ylläpitäjälle, milloin turvatarkastuskaistalle tai lähtöselvitystiskille alkaa kertyä jonoa, ja syöttää tietoa matkustajainfonäyttöihin, jotka näyttävät rakennuksen tilanteen sellaisena kuin se on nyt. Jonon kasvu kannattaa huomata ajoissa, koska pitkät jonot ovat se, mitä matkustajat huomaavat ja muistavat.

Myymälässä tai muussa kohteessa yksi vyöhyke voi olla tavallista vilkkaampi, koska kampanja on käynnissä, ulkona sataa tai paikalle on saapunut koululaisryhmä. Laskenta antaa vuoroesimiehille perusteet päättää, mihin vapaana oleva henkilökunta ohjataan.

Kuukausien mittaan laskennasta kertyy historia siitä, miten käyttöaste vaihtelee tunnin, päivän, viikon ja vuodenajan mukaan kaikilla seuratuilla vyöhykkeillä. Tämän historian ansiosta henkilöstöpäätökset, aukioloajat ja tapahtumien aikataulut voi perustella.

Voimmeko näyttää kävijöille, kuinka vilkasta juuri nyt on?

Jotkut kohteet tekevät sitä jo. Ne julkaisevat nykyisen käyttöasteen sisäänkäynnin näytöllä tai verkkosivuillaan, esimerkiksi vihreänä, keltaisena tai punaisena signaalina sen mukaan, onko rauhallista, vilkasta vai täyttä. Kävijät voivat ajoittaa saapumisensa, mikä voi tasoittaa ruuhkahuippuja. Luku tulee samasta laskennasta, josta kojelaudat ja API saavat tietonsa. Bumbee Labs voi toimittaa itse näytön tai luvun API:n kautta kohteen omille näytöille ja verkkosivuille.

Luvun julkaiseminen kertoo myös, että ylläpitäjä ottaa väkijoukon mukavuuden vakavasti. Useimmat kohteet eivät vieläkään kerro kävijöille, että niiden käyttöaste on juuri nyt 60 % kapasiteetista ja että tunnin päästä on rauhallisempaa.

Onko vilkas vyöhyke suosittu paikka vai pullonkaula?

Se riippuu siitä, kuinka kauan ihmiset viipyvät. Käyttöaste kullakin hetkellä määräytyy siitä, kuinka moni saapuu ja kuinka kauan kukin viipyy, joten jatkuvasti korkea käyttöaste voi tarkoittaa runsasta kävijävirtaa tai sitä, että kävijät jäävät tilaan pitkäksi aikaa. Ne ovat eri ongelmia, ja niihin on eri ratkaisut.

Kun henkilömäärä yhdistetään viipymäajan analyysiin, jonka reittitason data mahdollistaa, ylläpitäjä näkee molemmat ulottuvuudet. Vyöhyke, jolla on korkea käyttöaste ja pitkä viipymä, voi olla suosittu kohde, joka tarvitsee lisää kapasiteettia. Vyöhyke, jolla on korkea käyttöaste ja lyhyt viipymä, voi olla pullonkaula, joka hidastaa ihmisten kulkua.

Liittyykö käyttöasteen laskentaan henkilötietoja?

Lukumäärä ei ole henkilötieto, mutta järjestelmän keräämä aineisto voi olla. Luku, kuten “tällä vyöhykkeellä on 23 ihmistä”, ei kerro mitään siitä, keitä he ovat, joten minkä tahansa käyttöastejärjestelmän kohdalla hyödyllinen kysymys on, mitä se kerää ja säilyttää luvun muodostamisen aikana. Kamera, joka analysoi videon paikallisesti ja antaa vain lukumäärän, käsittelee silti kuvia ennen kuin luku syntyy, ja tallentava järjestelmä säilyttää tiedon siitä, keitä paikalla oli.

Bumbee Labs toimittaa anonyymejä, koostettuja tilastoja: ketään ei seurata, kuvia ei säilytetä, eikä nimeä tai laitetunnistetta liitetä liikkumiseen. Tämän standardin mukaan tulisi arvioida mitä tahansa käyttöastejärjestelmää.

Bumbee Labs on yritys, jonka kehittämä menetelmä on Euroopan ainoa kävijämittausmenetelmä, joka on tietosuojaviranomaisen hyväksymä.

Lähteet

• Blut, M., & Iyer, G. R. (2020). Consequences of perceived crowding: A meta-analytical perspective. Journal of Retailing, 96(3), 362–382. https://doi.org/10.1016/j.jretai.2019.11.007