Як «моделюють майбутнє» в Університеті ІТМО: від передбачення поведінки натовпу до аналізу думок в соцмережах

Можна передбачити поведінку натовпу? Вчені з Інституту наукомістких комп'ютерних технологій (НДІ НКТ) при Університеті ІТМО взялися вирішити цю задачу. Вони створили систему, яка моделює варіанти розвитку подій у місцях масового скупчення людей, будь то стадіон під час футбольного Чемпіонату Світу або святі місця в період масового паломництва.

Від хаосу — до моделі

Модель будується на основі особливостей натовпу, таких, як соціальна структура, і зовнішніх факторів, наприклад, погодних умов або політичної обстановки. Також задаються параметри території, де відбувається дійство. В результаті, вчені бачать наочну картину поведінки людей в заданих умовах. Виглядає це приблизно так:


Важливими характеристиками натовпу є щільність і швидкість пересування. Система наочно показує місця підвищеної щільності, де наростає напруженість і відбуваються надзвичайні ситуації: тиснява і конфлікти. Шляхом варіювання параметрів зони проведення заходу визначається її оптимальна конфігурація для майбутньої події.

За допомогою програмної системи можна відтворити будь-яку територію і зовнішні умови, а потім помістити в цю середу будь-яку групу людей. Це відкриває величезні можливості для досліджень. Можна змоделювати землетрус в Японії під час якогось свята, коли на вулицях міста – тисячі людей. Ніхто не забороняє досліднику замінити японців на англійців, а землетрус – програш Манчестер Юнайтед.

Але щоб поведінка віртуальної натовпу було достовірним, необхідно вивчити логіку поведінки людини в модельованих ситуаціях. Для цього проводяться «польові» дослідження в місцях масового скупчення людей. Методы досліджень різні. Основні: спостереження, фото — і відеозйомка, опитування і використання спеціальних датчиків (GPS-трекери, акселерометри, датчики близькості).

Сергій Іванов, керівник міжнародної лабораторії «Міська інформатика» Університету ІТМО пояснив, що для базової роботи вистачить і камер зовнішнього спостереження в різних точках території. Виділивши потік людей з відеоряду, можна підлаштувати модель під реальну ситуацію і зробити короткострокові прогнози.

Як оцінити настрій натовпу, не перебуваючи в ній? Допомагають соцмережі. Після того, як зображення з потрібними хэштэгами або геоприв'язкою надходять на сервер, модель виділяє на них особи, за якими алгоритми машинного навчання визначають настрій людей.

Датчики близькості — пристрої, які «бачать» один одного на заданій відстані і фіксують це — не менш перспективні. Якщо такий пристрій прив'язати до конкретної людини, можна відновити граф його переміщень, а також визначити, як інші фактори (дистанція до родичів або друзів) впливають на їх рух у натовпі. Однак, використання датчиків може бути проблематичним.

«Головний мінус такого підходу полягає в складній інфраструктурної підготовки експериментів, необхідності участі добровольців в роздачі/збирання спеціальних пристроїв і неможливості використовувати отримані результати в оперативному режимі», — говорить Іванов. Учений додає, що гра, тим не менш, коштує свічок — спостереження за окремими людьми дозволяє отримати більш глибокі знання про природу руху натовпу.

Методи підготовки вхідних даних — тобто, інформації про зоні проведення заходу — варіюються від вивчення фотознімків до відновлення тривимірних об'єктів за хмарою точок, отриманих з допомогою безпілотників і засобів сканування.

Польове дослідження з використанням цих коштів було нещодавно проведено співробітниками ІТМО спільно з колегами з інших країн на релігійному фестивалі «Кумбха-мела», який кожні 3-4 роки проходить в Індії. Протягом місяця дослідники спостерігали за паломництвом близько 70 мільйонів людей до святих місць індуїзму.

Вченим вдалося виділити стереотипні для учасників фестивалю дії і їх взаємозв'язку. Сценарії включали в себе «тупики», «перешкоди» і «наскрізні проходи», а також поведінку натовпу в екстремальних ситуаціях, таких, як проливний дощ.

Варіанти поведінки розглядалися в різних зовнішніх умовах. В Індії найважливішим з них була температура повітря, яка іноді перевищувала 40 градусів.

Схоже дослідження було проведено на петербурзькому VK fest'е в цьому році. Нововведення полягало в аналізі фотографій заходи, опублікованих користувачами, та визначенні найбільш популярних зон фестивалю на підставі геотеги. Найбільше людей привернула зона «Драйв» (виставка тюнінгованих автомобілів), майже не відставали від неї зони мистецтва і їжі.

Коли польовий етап закінчений, інформація обробляється на комп'ютері, а потім перетворюється в модель. Ось тільки звичайним ПК гігантським обсяг роботи по моделюванню не під силу, адже кожен елемент натовпу і зовнішнього середовища представлений у вигляді рівнянь і наборів правил. Щоб відтворити типову ситуацію масового скупчення людей, необхідно виконати мільйони обчислювальних операцій, тому вчені працюють з суперкомп'ютерами «Ломоносов-2» і «Лобачевського» – одними з найпотужніших у світі. Перший знаходиться в МДУ, а другий – в Нижегородському Державному Університеті.

За словами Іванова, обчислення серйозно ускладнюються хаотичністю руху людських мас, яка відображена в підході до моделювання методом Монте-Карло. «З одного боку, переміщення окремої людини в натовпі визначається фізичною моделлю, яка носить детермінований характер, однак генерація бажань (зміна точки інтересу, вибір бажаної швидкості, несподівані зупинки і так далі) є наслідком дискретного вибору, який формалізується в термінах випадкових процесів», – каже керівник «Міський Інформатики». Для отримання достовірних результатів, віртуальні експерименти повинні повторюватися багато разів з різними вхідними даними.

Подібним чином вчені вже прогнозировали можливу поведінку вболівальників, які прямують до метро від стадіону «Зеніт-Арена» після матчу.



Моделювання дозволило виявити місця з потенційно найбільшим тиском натовпу. Щоб убезпечити уболівальників, які залишають стадіон після матчу, можна регулювати потоки, змінюючи конфігурацію огорож або виходи зі стадіону.

Не натовпом єдиної

Алгоритми, розроблені вченими, можуть спрогнозувати не тільки поведінку людей у натовпі. Вони дозволяють визначити шляхи розповсюдження вірусних захворювань, скласти схему «наркотизації» міста і оцінити громадська думка – тобто, змоделювати всі процеси, які пов'язані з контактами між людьми і їх мобільністю.

Наприклад, в Університеті ІТМО працюють над моделюванням захворюваності на грип. Процес зараження можна проілюструвати як для замкнутого простору начебто поїзда, так і для цілого міста. У другому випадку завдання багаторазово ускладнюється, так як потрібно врахувати всі особливості життя міста, відобразити всі соціальні взаємодії, в той час як для поїзда досить опису стереотипної поведінки пасажирів, який визначається невеликою кількістю правил.

Іншим об'єктом для дослідження є соціальні мережі. Вивчаючи записи користувачів Вконтакте або коментарі до відео на YouTube, можна дізнатися думку, яку поділяють людей відносно влади, соціальних проблем, товарів та їх виробників. Зокрема, НДІ НКТ Університету ІТМО вивчає повідомлення з соціальних мереж Вконтакте, Twitter, Instagram і Live Journal. Вченим при цьому вдається не тільки аналізувати думки і визначати «соціальні протяги», але й відрізняти від ботів реальних людей, а також оцінювати вплив на мережу і громадську думку висловлювань популярних блогерів та відомих особистостей.

В основі цих технологій лежить концепція краулинга (crawling). Згідно з заданою стратегією, програма переглядає ресурси соціальних мереж і заносить їх у базу даних для подальшого аналізу. Кожен ресурс, аж до окремих постів, визначається набором характеристик, таких як кількість лайків, репостов, зовнішніх цитувань і коментарів. Всі ці дані об'єднуються графом зв'язків, на основі якого здійснюється ранжування ресурсів за заданим критерієм. За словами Сергія Іванова, підхід дозволяє не тільки моделювати поширення інформації за таким графу, але і формувати стратегії протидії «маніпулювання мережевою спільнотою».

Дана технологія має широкий спектр застосувань. Так, зокрема, краулинг і аналіз соціальних мереж активно використовується для дослідження соціальних процесів в технологіях електронного уряду (eGovernance).

Хто за цим стоїть: команда НДІ НКТ

НДІ НКТ стрімко розвивається, а результати його досліджень демонструються на міжнародних наукових конференціях, включаючи недавню ICCS'2016 в Сан-Дієго, США. Інститут залучає урядові «мегагранты» і закордонних фахівців.

Науковим керівником Лабораторії перспективних обчислювальних технологій НДІ НКТ є Петер Слоот – професор Амстердамського університету. Також іноземці працюють в лабораторії віддалено: в Сінгапурі, Польщі, Голландії – всіх їх залучають російські розробки і можливість брати участь у перспективних проектах НДІ НКТ.

У 2006 році в НДІ працювало всього четверо співробітників. Через 10 років їх число зросло до 100, і інститут продовжує шукати таланти. Наприклад, якщо ви – бакалавр та/або магістр прикладної математики та інформатики або суміжній галузі (STEM – Science, Technology, Engineering and Mathematics), зокрема, в напрямку «ІКТ» та «програмування», з англійською не нижче Upper Intermediate, а також:

  • Володієте стандартними структурами даних і алгоритмів;
  • Програмуєте в C ++ / C # / Java;
  • Можете застосовувати сучасні математичні пакети і мови обробки даних (Python / R / MathCAD / MatLab),
то у вас є можливість приєднатися до досліджень НДІ НКТ ІТМО, які не обмежуються вивченням поведінки натовпу. Інститут планує застосовувати розробки в самих різних сферах – від біомедицини та урбаністики до прогнозування та попередження природних та антропогенних катастроф.
Джерело: Хабрахабр

0 коментарів

Тільки зареєстровані та авторизовані користувачі можуть залишати коментарі.