Pullonkaulat ja kriittiset pisteet: väkijoukon lukeminen ennen kuin siitä tulee ongelma

Väkijoukko, jonka purkautuminen laiturilta kesti kaksikymmentä minuuttia, oli vielä kymmenen minuuttia aiemmin aivan kunnossa. Kukaan ei panikoinut eikä aikataulu muuttunut, mutta silti täysin hallittavasta työmatkalaisten joukosta tuli hidas ja epämukava ihmismassa, joka tukki kaksi uloskäyntiä. Väkijoukon pullonkaulat tuntuvat yleensä juuri näin äkillisiltä, vaikka eivät sitä ole.

Virta, tiheys ja kohta, jossa läpivirtaus alkaa laskea

Jalankulun dynamiikassa tiheyden ja virtauksen suhde voi aluksi vaikuttaa nurinkuriselta. Kohtuulliseen tiheyteen asti ihmisten lisääminen käytävään tai kulkuhalliin kasvattaa kokonaisvirtausta, koska tilaa käytetään tehokkaammin. Tietyn kynnyksen jälkeen ihmiset hidastavat välttääkseen kosketusta, kaistat alkavat häiritä toisiaan ja kokonaisläpivirtaus laskee, vaikka väkijoukko kasvaa. Äärimmäisissä tapauksissa, kuten festivaalin portilla tai stadionin uloskäynnillä, liike voi pysähtyä lähes kokonaan.

Tiheyden ja virtauksen suhde tunnetaan hyvin jalankulkuliikenteen suunnittelun kirjallisuudessa. Arkkitehdit suunnittelevat sen pohjalta evakuointireittejä, liikennöitsijät mitoittavat kulkuhalleja ja tapahtumasuunnittelijat laskevat tyhjennysaikoja. Kun suhde on ymmärretty, seuraava askel on mitata se omassa tilassasi.

Ryhmäongelma, jonka useimmat operaattorit jättävät huomiotta

Pelkkä pääluku ei huomioi yhtä rakenteellista tekijää: suurin osa väkijoukon ihmisistä ei kävele yksin. Moussaïdin, Perozon, Garnierin, Helbingin ja Theraulazin vuonna 2010 PLoS ONE -lehdessä julkaistussa tutkimuksessa havaittiin, että jopa 70 % tutkijoiden havainnoimista jalankulkijoista ostoskadulla kulki sosiaalisina ryhminä (pareina, perheinä, työtovereina tai pieninä seurueina). Nämä ryhmät käyttäytyvät eri tavoin kuin yksin kulkevat.

Alhaisella tiheydellä ryhmät kävelevät rinnakkain ja muodostavat rivin poikittain käytävälle. Muodostelma on seurallinen ja mukava, mutta se vie leveyttä. Tiheyden kasvaessa rivi taipuu: keskimmäinen jää hieman jälkeen ja reunimmaiset lähestyvät toisiaan, jolloin syntyy eteenpäin aukeava V-muoto. V-muoto vie vähemmän tilaa sivusuunnassa, mutta sen tehollinen pituus kulkusuunnassa kasvaa. Siksi ryhmiä täynnä oleva käytävä saavuttaa käytännön kapasiteettinsa aiemmin kuin pelkkä pääluku antaisi olettaa.

Ryhmävaikutus on erityisen tärkeä liikennekeskuksissa ja lentoasemilla, joissa porttimuutokset, viivästykset ja laiturikuulutukset voivat äkillisesti siirtää suuria perheryhmiä paikasta toiseen. Kriittinen piste, joka selviää tiistain työmatkaliikenteestä ongelmitta, voi pettää täysin lauantaina, kun sama käytävä on täynnä matkalaukkuja vetäviä ryhmiä.

Missä kriittiset pisteet muodostuvat

Kriittiset pisteet syntyvät tiettyjen, ennustettavien rakenteiden kohdalle:

• Siirtymät leveästä kapeaan tilaan: kulkuhalli, joka supistuu yhteen oviaukkoon, tai avoin aukio, joka kapenee jalankulkusillaksi.
• Suunnalliset ristiriidat: risteyskohdat, joissa kaksi virtaa risteää tai yhdistyy. Ne ovat jalankulun vastine ohjaamattomalle risteykselle.
• Epätasaiset palvelunopeudet: lippuportit, turvatarkastuskaistat ja lähtöporttien jonot, jotka purkautuvat eri tahtiin, jolloin ihmisiä kasaantuu hitaimman kohdan eteen. Kun hitain kohta on kassa tai palvelutiski, kasaantuminen on myös kaupallinen ongelma: pitkän jonon kohtaavat ostajat ostavat vähemmän, ja osa lähtee pois.
• Vetopisteet: tiedotusnäytöt, lähtötaulut, ruokakojut tai mikä tahansa muu kohta, joka saa ihmiset pysähtymään tai hidastamaan muuten sujuvassa virrassa.

Vetopisteitä aliarvioidaan useimmin. Kuvittele lähtötaulu käytävässä, jossa virta muuten kulkee sujuvasti. Jos tarpeeksi moni pysähtyy lukemaan sitä, heidän taakseen muodostuva jono voi ulottua kauas itse taulusta.

Varhaisten signaalien lukeminen

Kokenut operaattori huomaa usein muodostuvan pullonkaulan ennen kuin siitä tulee ongelma, esimerkiksi jonon muodosta tai siitä, että risteykseen saapuu ihmisiä nopeammin kuin sieltä poistuu. Ongelma on mittakaava: yksi koulutettu tarkkailija ei pysty seuraamaan samanaikaisesti kuutta kulkuhallin risteystä, neljää turvatarkastuskaistaa ja kahta laiturin uloskäyntiä.

Jatkuva anonyymi anturidata muuttaa tämän. Kun saapuvat ja poistuvat lasketaan jokaisessa seuratussa pisteessä, laskenta hoitaa tarkkailun, ja vyöhykekohtainen reaaliaikainen käyttöaste muuttaa sen luvuksi, jonka perusteella operaattori voi toimia. Jos laskenta näyttää jatkuvasti, että risteysosuudelle saapuu enemmän ihmisiä kuin sieltä poistuu, se on varhainen merkki kasaantumisesta. Kun saapumis- ja poistumistahdin ero mitataan minuuttien ajalta eikä arvioida silmämääräisesti, operaattoreille jää aikaa toimia: avata lisäportti, laittaa järjestyksenvalvoja ohjaamaan virtaa tai lähettää reaaliaikainen viesti yleisönäytölle.

Areenoiden ja stadionien operaattorit omaksuivat tämän lähestymistavan ensimmäisten joukossa, osittain koska poistumisvaiheessa on eniten pelissä ja osittain koska tapahtumien aikataulut tekevät huippuvirroista ennustettavia ja siksi suunniteltavia. Sama logiikka pätee lentoasemiin, joilla lähdöt tulevat aaltoina, ja juna-asemiin, joiden ruuhkahuiput vaihtelevat päivittäin mutta ovat tarpeeksi säännöllisiä mallinnettaviksi.

Hybridimittaus monimutkaisiin kohteisiin

Mikään anturityyppi ei kata kaikkia tilanteita. Vilkkaassa lentoterminaalissa on pitkiä, avoimia tiloja, joissa Wi-Fi tuottaa erinomaista koostettua virtausdataa, kapeita ovia ja käytäviä, joissa 3D-syvyysanturit laskevat tarkasti minuutin tarkkuudella, sekä ulkona olevia esipihoja, joille kamerapohjainen menetelmä sopii paremmin.

Hybridit kävijälaskentaratkaisut yhdistävät nämä menetelmät niin, että jokainen kohteen osa mitataan sille parhaiten sopivalla tekniikalla ja tulokset kootaan yhdeksi operatiiviseksi kuvaksi. Käytännössä operaattori näkee maanantaiaamuna klo 08:47, että pohjoiselle turvatarkastuskaistalle kertyy jonoa nopeammin kuin eteläiselle, ja voi toimia ennen kuin jono ulottuu hisseille.

Varhaiset hälytykset ja yksityisyyskysymys

Väkijoukon seurannalle on helppo esittää operatiiviset perustelut, ja kansalaisoikeuksia koskeva kysymys ansaitsee suoran vastauksen.

Sen laskeminen, kuinka moni liikkuu risteyksen läpi tai kuinka tiheäksi vyöhyke on tullut, ei edellytä kenenkään tunnistamista. Väkijoukkohälytyksen taustalla oleva data (kuinka monta signaalia, kuinka monta anturikatkoa) on anonymisoitu ja koostettu ennen kuin se päätyy operaattorin näytölle. Kenenkään matkaa ei kirjata, eikä kasvoja verrata mihinkään tietokantaan.

Ero painaa yhä enemmän, kun mittaus julkisissa tiloissa yleistyy. Lentoaseman tai liikennöitsijän kriittisen pisteen turvalliseen hallintaan tarvitaan väkijoukkotason dataa, ja teknologia pystyy tuottamaan sen ilman yksilöiden valvontaa.

Toimiminen ennen kuin jono saavuttaa hissit

Olosuhteet, jotka synnyttivät laiturin uloskäynnit tukkineen väkijoukon (kapea uloskäynti, tavallista nopeampi saapumistahti ja lauantain ryhmäpainotteinen matkustajajoukko), olivat mitattavissa etukäteen. Pullonkaula oli ennustettavissa, mutta kukaan ei mitannut sitä.

Jatkuva, anonyymi virtausseuranta tekee tunnetusta rakenteellisesta riskistä jotain, mitä voi havainnoida ja hallita. Kriittinen piste ei katoa, mutta se ei enää pääse yllättämään, koska näet, missä paine kasvaa, ennen kuin se ulottuu siellä oleviin ihmisiin.

Katso, miten tämä toimii laajemmassa mittakaavassa: areenoiden väkijoukkovirta-analytiikka ja hybridit kävijälaskentaratkaisut kertovat mittauskerroksesta, kun taas liikennekeskusten kävijäanalytiikka kertoo operatiivisesta kuvasta.

Lähteet

• Moussaïd, M., Perozo, N., Garnier, S., Helbing, D., & Theraulaz, G. (2010). The walking behaviour of pedestrian social groups and its impact on crowd dynamics. PLoS ONE, 5(4), e10047. https://doi.org/10.1371/journal.pone.0010047
• Weidmann, U. (1993). Transporttechnik der Fussgänger: Transporttechnische Eigenschaften des Fussgängerverkehrs (IVT Schriftenreihe 90). ETH Zürich. https://doi.org/10.3929/ethz-b-000242008
• Helbing, D., & Molnár, P. (1995). Social force model for pedestrian dynamics. Physical Review E, 51(5), 4282–4286. https://doi.org/10.1103/PhysRevE.51.4282
• Helbing, D., Johansson, A., & Al-Abideen, H. Z. (2007). Dynamics of crowd disasters: An empirical study. Physical Review E, 75(4), 046109. https://doi.org/10.1103/PhysRevE.75.046109
• Lu, Y., Musalem, A., Olivares, M., & Schilkrut, A. (2013). Measuring the effect of queues on customer purchases. Management Science, 59(8), 1743–1763. https://doi.org/10.1287/mnsc.1120.1686