Utilisation d'une bibliothèque des piétons pour créer une nouvelle présentation des œuvres pour une galerie d'art

Problème:

Fair Dynamics, une société de conseil basée à Milan et spécialisé dans la modélisation par simulation, a été engagé dans le développement du projet Ametria, une exposition d'art contemporain qui s'est tenue dans le Musée Benaki d'Athènes.

L'objectif général du projet était d'attirer l'attention des visiteurs en concevant de nouvelles expériences personnelles et de nouvelles approches de conservation lors de l'exposition. Pour ce faire, ils ont créé un espace labyrinthique dans le musée, au lieu d’une traditionnelle enfilade de salles remplies de toiles , pour changer l’état d’esprit des visiteurs. Les entrepreneurs étaient censés fournir une disposition où les œuvres d'art seraient placées dans des zones cachées, de sorte qu'il serait difficile de les trouver. C'est là que la modélisation de simulation AnyLogic était avantageuse. Il a laissé les ingénieurs voir où les œuvres d'art pourraient être placés, ainsi que montrer comment les gens pourraient se déplacer à l'intérieur de la galerie.

Différentes hypothèses ont été testées, notamment:

• Présence de zones critiques (densité trop élevée ou trop faible de visiteurs)
• Pourcentage d'œuvres d'art qui pourraient être observées
• Parcours de chaque visiteur à l'intérieur de la galerie
• Satisfaction des visiteurs, mesurée en termes d'œuvres d'art observées

Solution:

Le mouvement des visiteurs à l'intérieur de la galerie a été modélisé avec l'aide de la bibliothèque AnyLogic des piétons . Cette bibliothèque a permis aux modélisateurs de simuler le comportement des agents (représentant les visiteurs), se déplaçant selon des règles prédéterminées, et d'ajuster la distance et la vitesse en fonction de la densité de la foule.

Grâce à la bibliothèque, il a été possible de joindre les avantages de la dynamique des piétons avec la puissance de l'approche de modélisation basée sur le comportement des agents, offrant aux visiteurs des caractéristiques et des comportements spécifiques, et permettant aux visiteurs d'interagir avec les œuvres d'art. Cette approche a permis de définir:

• Taux d'implication, qui était basé sur le temps passé par œuvre et à l'intérieur de la galerie.
• Humeur, affectée par l'anxiété, la proximité des autres visiteurs, les réalisations dans l'observation des œuvres d'art, et d'autres variables.
• État physique d'un visiteur (frais, fatigué, détendu), et préférences pour certaines œuvres d'art plutôt que d'autres.

En fin de compte, les ingénieurs ont été en mesure de reproduire le comportement d'une personne, errant à l'intérieur d'une zone qu'ils ne connaissaient pas, avec quelques objectifs simples à atteindre, mais sans soutien spécifique sur la façon de les atteindre. Il convient de mentionner que les paramètres des agents ont été pris à partir de sondages de personnes qui ont visité d'autres galeries, pour rendre le modèle plus précis. La procédure pas à pas des visiteurs est décrite ci-dessous:

• Les visiteurs sont entrés dans la galerie selon un horaire défini, sans connaître les œuvres exposées.
• Les visiteurs ont rejoint un groupe qui n'a pas encore atteint sa taille maximale et se déplacent le long des zones de la galerie, en essayant d'observer un plus grand nombre d'œuvres d'art.
• Tout en se déplaçant le long de la galerie, les visiteurs ont établi des liens avec les œuvres d'art, qui sont modélisés comme des agents ainsi. Pour tenir compte d'une œuvre d'art observée, les visiteurs devaient suivre les règles particulières à chaque œuvre. (Par exemple, regardez le chef-d'œuvre à partir d'un endroit particulier).
• Les visiteurs ont démontré différents degrés d'implication vers l'exposition, ce qui a affecté le temps et l'effort passé dans la galerie. Pendant que les gens marchaient à travers les œuvres d'art, ils se sont fatigués, jusqu'à ce qu'ils atteignent un seuil qui les a forcés à s'arrêter dès qu'ils ont atteint une aire de repos.

La dernière étape mérite une plus grande attention. Selon les organisateurs de l'exposition, il était essentiel de tenir compte des caractéristiques spécifiques des visiteurs, y compris, les préférences, les objectifs, l'intérêt pour l'exposition, l'humeur, et d'autres. Il a également laissé entendre que passer trop de temps sans observer les œuvres d'art a déplacé un visiteur à un état progressif d'insatisfaction qui, à son apogée maximale, les a forcés à quitter la galerie.

Les entrepreneurs ont accordé une attention particulière à l'interface du modèle. Offrant un niveau élevé d'utilisabilité, il avait un aspect d’un objet, était facile à lire, et avait des indicateurs de performance réglables.

Ceci a été réalisé grâce à la flexibilité de AnyLogic dans l'intégration des composants, fourni par la classe Java Swing. La plupart des éléments d'interface étaient facilement réglables, de sorte que les clients pouvaient introduire des paramètres d'entrée dynamiques ou des données empiriques dans le modèle, y compris:

• L'heure d'ouverture et de clôture de l'exposition
• Combien de temps le visiteur devrait passer à chaque œuvre d'art ou zone
• Pourcentage de visiteurs intéressés par l'exposition

Après avoir mis en place et lancé le modèle, on pouvait voir des gens entrer dans la salle. Lorsque les gens ont commencé à observer une œuvre d'art particulière, représentée comme un point, il a changé de couleur. Les visiteurs ont essayé de remplir la galerie, en suivant les modèles de comportement (degré d'implication, humeur, objectifs, etc.). Pendant que les gens bougeaient, la légende à gauche décrit ce qui se passait dans la galerie.

Grâce à la carte de densité fournie par AnyLogic, il a été possible de voir l’état de saturation par des visiteurs de la zone en entier. Le modèle a également permis d'améliorer les statistiques, notamment:

• Nombre de personnes dans la galerie et la distance qu'elles ont parcourue
• Distribution pour les groupes et les membres du groupe
• Temps moyen qu'une personne passe dans une certaine zone de la galerie
• Nombre d'œuvres d'art observées et de visiteurs par œuvre
• Sentiers pour chaque visiteur

Les modélisateurs ont également tenu compte des situations d'urgence, de sorte que les statistiques pourraient montrer le temps total consacré à l'évacuation en toute sécurité.

Résultat:

Non seulement la modélisation par simulation basée sur le comportement des agents AnyLogic a-t-elle aidé à déplacer les peintures et à présenter la disposition de l'exposition, mais elle a également fourni des statistiques détaillées pour chaque agent/groupe d'agents (à la fois des œuvres d'art et des personnes à l'intérieur des salles). Il a également déterminé les raisons de l'encombrement devant des peintures particulières, ce qui a permis aux concepteurs de les éliminer à l'aide d'une carte de densité. En dehors de cela, le modèle a permis au client de tester différentes hypothèses pour trouver celle appropriée pour les expositions futures.

Beaucoup a été fait pour rendre le modèle plus orienté vers le client. Les entrepreneurs ont essayé d'améliorer l'expérience utilisateur grâce à une interface intuitive, des indicateurs visuels et des outils de documentation. Par exemple, les organisateurs ont pu recueillir plusieurs informations sur les parcours pour produire 1000 boucles d'exposition différents.

Le modèle offrait également la possibilité de tester le nombre maximum de visiteurs qui pouvaient simultanément visiter l'exposition, en évitant les problèmes de surpeuplement. Cette fonctionnalité a aidé à modéliser un plan d'évacuation en toute sécurité.