[論文レビュー] Measurement and analysis of visitors' trajectories in crowded museums

Pietro Centorrino, Alessandro Corbetta+2 more|TU/e Research Portal|Nov 19, 2019

Video Surveillance and Tracking Methods参考文献 3被引用数 8

ひとこと要約

本論文は、博物館の来場者の動きを非侵襲的かつリアルタイムで追跡できる、IoTベースのBluetooth Low Energy (BLE)システムを提示している。BLEビーコン、ラズベリー・パイ受信機、AI駆動の軌跡再構成を組み合わせることで、ローマのガレリア・ボルゲーゼで900件以上の来場者経路を正確にマッピングし、群れの検出や経路類似度指標を含め、最もよく使われる行動パターンと最も使われない行動パターンを高精度で明らかにした。

ABSTRACT

We tackle the issue of measuring and analyzing the visitors' dynamics in crowded museums. We propose an IoT-based system -- supported by artificial intelligence models -- to reconstruct the visitors' trajectories throughout the museum spaces. Thanks to this tool, we are able to gather wide ensembles of visitors' trajectories, allowing useful insights for the facility management and the preservation of the art pieces. Our contribution comes with one successful use case: the Galleria Borghese in Rome, Italy.

研究の動機と目的

• 混雑する文化的遺産施設における来場者流入の管理を改善し、芸術品の保護と来場者の快適性を確保すること。
• 低コストで非侵襲的かつスケーラブルなシステムを構築し、博物館環境における来場者の個別移動を継続的かつ正確に追跡すること。
• 実際の来場者軌跡を分析し、行動パターン、グループダイナミクス、経路選好を抽出することで、博物館の管理およびデジタルツインモデリングを改善すること。
• 入場スケジューリング、部屋の混雑度、環境制御の最適化に向けたデータドリブン意思決定を可能にすること。

提案手法

• 博物館入場時に来場者に配布する小型のBLEビーコンを用い、定期的に固有のIDをブロードキャストする。
• 博物館の部屋に設置された14台のラズベリー・パイベースの受信機（RPi）のネットワークを活用し、ビーコン信号（受信信号強度インジケータ（RSSi）とタイムスタンプを含む）を収集する。
• 処理のための構造化されたデータ行列を作成するため、10秒間隔の時間ボーリング戦略を適用し、その後、移動平均フィルタリングによるノイズ低減を実施する。
• 3つの軌跡再構成手法を実装：最強RSSiに基づくArgMax、滑らかさを向上させるためのカルマンフィルタリング、部屋の隣接関係グラフに最短経路アルゴリズムを適用する新規のグラフベース手法。
• 時間ボックス内での部屋の占有状況に基づいて、軌跡間の距離指標d(X,Y)を定義し、経路類似度の比較とグループ検出を可能にする。
• 軌跡距離指標を用いて、最もよく使われる経路と最も使われない経路を特定し、共通訪問グループを検出し、公式にスケジュールされていないガイド付きツアーを検出する。

実験結果

リサーチクエスチョン

• RQ1 来場者がガレリア・ボルゲーゼを通過する際に最も一般的に選ばれる経路は何か？ 他の巡回経路と比較するとどうなるか？
• RQ2 事前に関係性を把握していない状態でも、経路類似度指標が一緒に行動する来場者を正確に検出できるか？
• RQ3 ガイド付き、オーディオガイド付き、セルフガイド付きの来場者タイプは、移動パターンや部屋訪問順序においてどのように異なるか？
• RQ4 低コストのBLE受信機で収集されたノイズの多いRSSiデータから、本システムが正確な来場者軌跡をどれほど再構成できるか？
• RQ5 軌跡データを用いて、博物館の混雑ダイナミクスを予測するデジタルツインモデルを構築できるか？

主な発見

• 最も一般的な来場者経路はラット・ディ・プロセールピーナ室からピンアコテーカへ向かうもので、時計回りの走破パターン（時計回り値8）を示しており、好まれるルートであることが判明した。
• 最も使われない経路は階段を何度も上り下りするもので、ピンアコテーカへ向かう反時計回りの急激な移動に加え、戻って再訪問するという行動を含んでおり、実際にはほとんど観察されない行動であった。
• 一緒に行動する来場者の軌跡は、提案された指標に基づき、平均距離が90.3と、単独移動の来場者と比べて著しく低く、共通訪問グループの検出能力が裏付けられた。
• 独立して類似した経路を歩いた3人の来場者では、相互距離が1500を超えており、特に2つの軌跡間で最大2568の距離が観察された。これは、指標が経路の乖離を感受することを示している。
• 本システムは、高精度で900件以上の来場者軌跡を再構成し、実際の博物館環境における移動パターンとグループ行動の統計的分析を可能にした。
• 軌跡距離指標により、公式にスケジュールされていないガイド付きツアーの自動検出が可能となり、博物館運営の監視および最適化に応用可能である可能性が示された。