Bee path resum
- 2. INTRODUCCIÓ
- 4. MODEL
- 5. Procés • Usuaris repetits. • Usuaris no finalitzats. Filtratge • Localitzacions de baixa resolució. • Es determina en quin Stop or moment es considera move que l’usuari s’està quiet o movent-se. • Es reconstrueix el trajecte de cada Rectangular usuari segons la model caracterització de de “flights” i “stops”.
- 6. Rectangular model Considerem un seguit de localitzacions com a un sol flight si totes es troben contingudes a dins un rectangle de radi r. Type From To Length Duration Trip #1 Flight (0,0) (20,6) 20.8m 16s Trip #2 Flight (20,6) (27,22) 17.5m 15s Trip #3 Stop (27,22) (27,22) 0.0m 47s Trip #4 Flight (27,22) (5,17) 22.5m 19s
- 7. RESULTATS
- 8. Distribució de Stops Identifiquem tres escales característiques de temps amb significat físic: T1 T2 T3 • Canvis de • Llegir panells. • Assitència a direcció. • Activitats conferències. • Esperar a algú. curtes (jocs, • Activitats • Pèrdues de etc). llargues. senyal GPS. • Anar al lavabo. • Descansar.
- 9. Proporció Flights-Stops A 0.5854 0.0353 B 0.9095 1.0170 Universalitat (mateix comportament) en la proporció de nombre de flights i nombre de stops: al voltant de 1 stop per cada 2 flights.
- 10. Proporció numèrica vs. Proporció temporal Mean Mean 23.04 1210s Mean Mean 14.40 1811s Stopping time (stops) Moving time (flights) L’heterogeneitat en la duració dels stops trenca la universalitat en el comportament quan ho mirem en l’escala temporal.
- 11. Velocitat mitjana i Factor balístic Mean Std Deviation Mean Std Deviation 1.2055 m/ s 0.2078 m / s 0.7991 0.5366 La velocitat mitjana en els flights no presenta una heterogeneitat molt gran mentre que sí ho fa el factor balístic (forma de moure’s).
- 12. Modularitat de la xarxa Modularity: Trossegem el recinte en cel·les i les considerem 0.677 com a nodes d’una xarxa. Dos nodes (cel·les) estan connectats si algú ha anat d’un a l’altre. L’anàlisi de la modularitat de la xarxa mostra tres grans clusters, espais diferents molt interconnectats (blau, lila i vermell).
- 13. PageRank de la xarxa PageRank: Utilitzem el mateix algorisme que Google utilitza per a ordenar les webs en el seu motor de cerca. Aplicat sobre aquesta xarxa ens dona la probabilitat de caure en un node en cas de ressesguir un cami PageRank completament aleatòri. D’aquí Degree podem deduïr la importància de les diferents ubicacions en la fira. Els nodes més importants coincideixen amb les carpes amb més afluència, però també amb les cruïlles dels camins dins el recinte.
- 14. Bee-Path www.bee-path.net Crèdits: Experiment promogut per Barcelona Laboratori Cultural. Equip: Oleguer Sagarra, Mario Gutiérrez-Roig, Albert Díaz-Guilera, Josep Perelló (complexitat.cat-UB), Ionas Erb, José Espinosa-Carrasco, Carole Faviez, Cedric Notredame, Mara Dierssen (CRG), Federic Bartumeus, Aitana Oltra, John Palmer (CEAB-CSIC), Berta Paco (dinamitzadora), Xavier Martí (enginyer informàtic), Mar Canet (enginyer informàtic i artista), Direcció Creativitat i Innovació ICUB (Ajuntament de Barcelona).