L’attività di ricerca dell’IAC – CNR nell’ambito del Progetto REMIAM riguarda l’analisi, la modellizzazione e la simulazione delle traiettorie dei visitatori nelle aree museali.
In seguito a studi condotti in vari musei sono state individuate determinate caratteristiche nel comportamento dei visitatori. Queste caratteristiche, come ad esempio il tempo di permanenza in una stanza, sono state sfruttate per creare un modello generale al fine di simulare traiettorie di visita in un museo digitale.
Il tempo di permanenza (ToP) è una misura fondamentale per comprendere la dinamica dei visitatori ed è definita come il tempo totale speso in una stanza dal visitatore stesso.
Nello specifico l’attività di ricerca dell’IAC – CNR riguarda l’analisi delle traiettorie e lo sviluppo di modelli di simulazione delle visite in un museo, realizzati per essere il più generali possibile, in modo da essere adattabili a diverse tipologie di museo.
Gli strumenti analitici presentati permettono di comprendere problematiche e virtù della gestione museale una volta raccolte vere e proprie traiettorie durante le giornate di visita al museo.
Per poter utilizzare il modello di museo digitale come strumento di gestione, curatori e organizzatori devono prima di tutto identificare le variabili di controllo e gli obiettivi. Rispetto alle prime, si può regolare il flusso di ingresso, limitare il numero di persone in qualche sala, aumentare il numero di ingressi, impostare una durata massima della visita; per quanto riguarda gli obiettivi, invece, si può puntare a massimizzare il numero di visitatori o la piacevolezza della visita, il numero di informazioni veicolate, o semplicemente mantenere i parametri ambientali (es. temperatura e umidità) in un dato range.
Una volta fatto questo, il modello digitale del museo può essere proficuamente utilizzato per simulare diversi scenari variando le variabili di controllo al fine di individuare la migliore combinazione di esse che consenta di abbinare gli obiettivi.
I gestori dei musei sono costantemente presi dalla necessità di massimizzare il numero di visitatori garantendo al contempo sicurezza e comfort individuali e preservando collezioni inestimabili.
Un esempio di dati raccolti,
utilizzati nell’analisi delle traiettorie
Schema logico, di principio, dell’architettura di tracciamento dei visitatori
Beacon per il tracciamento dei visitatori
Una visione completa che consenta una panoramica sull’andamento dei visitatori in un museo consiste di diversi passaggi:
- Tracciamento e osservazione dei visitatori;
- Comprensione del comportamento;
- Creazione del museo digitale e dei visitatori virtuali;
- Ottimizzazione del flusso di visitatori.
Uno dei primi obiettivi è osservare e quindi comprendere il comportamento dei visitatori in termini di percorsi seguiti nel museo. Non tutti i musei hanno percorsi predefiniti e talvolta è possibile più di una scelta. Inoltre, nei grandi musei è raro che i visitatori vedano l’intera mostra. Esistono molti tipi di tecnologie per il tracciamento dei visitatori.
Nel generico museo, composto da più piani e più stanze, vengono installate “centraline” corredate di un’antenna bluetooth per catturare il segnale dei visitatori in possesso di dispositivi con la connessione bluetooth attiva (notebook, mouse, smartphone, auricolari, smartwatch, tablet, braccialetti/laccetti intelligenti etc..). I dati raccolti vengono inviati, ad una stazione di controllo definita Control Station, che li renderà disponibili per la successiva analisi, memorizzandoli in un data base.
Attraverso simulazioni basate su un processo stocastico, i visitatori simulati possono scegliere con una certa probabilità di rimanere nella stanza o cambiarla; tale probabilità è determinata utilizzando i tempi di permanenza in una stanza rilevati nel museo.
Le immagini descrivono i tempi di permanenza (ToP) in alcune stanze del museo rappresentati attraverso una distribuzione di Weibull. La distribuzione di Weibull può descrivere la durata di permanenza in una stanza la cui probabilità di uscita varia, nel tempo, in funzione del parametro di forma.
Nel caso delle stanze museali si è trovato il parametro di forma maggiore di 1 con un tasso di uscita che aumenta con l’aumentare del tempo.
Il museo è rappresentato come un grafo, dove ogni stanza è un nodo del grafo.
Il visitatore virtuale sceglie in che stanza andare seguendo una matrice di transizione che ne regola la dinamica. La matrice di transizione ha come elementi Pij le probabilità di andare dalla stanza i alla stanza j. Pij viene ricavato dai dati reali raccolti all’interno del museo, contando le reali transizioni da stanza a stanza osservate all’interno del museo.
Nell’immagine sono mostrate 5 traiettorie di visite, simulate dal modello proposto, in un museo di 10 stanze, avente struttura ad anello e percorribile in entrambi i sensi, con due diverse entrate. La traiettoria si interrompe quando il visitatore esce.
Nei grafici sono presentati i valori di Ppr (numero di persone per stanza) del miglior sistema di ingresso (valutato) rispetto a quelli reali, per le sale principali del museo. Il sistema di ingresso ottimale, nel museo utilizzato nelle simulazioni, sembra essere la fascia oraria di 30 minuti, dove 100 visitatori possono entrare solo dall’ingresso principale del museo. Possiamo vedere chiaramente che la soglia di sicurezza non viene quasi mai superata per l’intera giornata di visita.
Le immagini mostrano il numero di visitatori all’interno di un museo nell’arco di una giornata, per diversi intervalli di ingresso e probabilità d’ingresso nella stanza uguale a quella reale. Nel grafico superiore viene confrontata l’occupazione simulata e reale del museo per la fascia oraria di 2 ore di visita: si nota che escludendo il ritardo di ingresso e l’uscita obbligatoria il numero di visitatori nel museo aumenta nel corso della giornata. Nel grafico in basso vengono valutate fasce orarie più piccole. Si può notare che per quelle più piccole non viene mai superato il numero massimo di visitatori nel museo.
Il grafico mostra il numero di visitatori all’interno del museo, simulando diverse tipologie di uscita dal museo stesso. La linea gialla mostra il numero di visitatori nel caso in cui l’uscita avviene se il visitatore raggiunge lo stato “Out” nella simulazione. Lo stato “Out” è uno stato assorbente, cioè una volta usciti non si può rientrare e l’arrivo in questo stato è regolato dalla matrice di transizione descritta in Figura 1. La linea blu mostra il numero dei visitatori nel caso in cui l’uscita dipenda dal tempo passato dal visitatore in ogni stanza. In questo caso viene assegnato un peso Wi che va da 1 a 0, ad ogni stanza i, e tale peso dipende dal tempo trascorso nella stanza. Precisamente, 1 se il visitatore non è ancora stato nella stanza, 0 se vi è stato più del tempo massimo rilevato. Il visitatore esce con una probabilità che è 1-max(Wi). La linea rossa mostra il numero di visitatori rilevati. Da tale distribuzione viene misurata la probabilità di uscita, cioè l’hazard function dei tempi di permanenza nel museo. Ad ogni step della simulazione il visitatore ha quella probabilità di uscita calcolata con l’hazard function. La visita viene simulata considerando 400 visitatori che entrano con un ritardo estratto casualmente tra 0 e 30 minuti.
La figura mostra la distribuzione del tempo di ritorno in una stessa stanza, caratteristica rilevante per le traiettorie in un museo dove la politica del museo stesso non impone un percorso di visita fisso.
Si osserva che nel caso studiato la distribuzione del tempo di ritorno in una stanza ha quasi la stessa forma per tutte le stanze osservate: presenta un picco di rientro più elevato dopo meno di 5 minuti e un tempo di rientro uniformemente distribuito nel resto della visita. In questa analisi vengono trascurati ritorni rapidi e passaggi veloci (meno di un minuto di permanenza), poiché non contribuiscono al sovraffollamento nelle sale del museo.
La figure mostrano la survival function e la hazard function di 5 diverse stanze del museo. I parametri della curva sono stimati utilizzando un Weibull fit.
