Ավտոմատ դռների միջոցով մարդկանց հոսքի հաշվարկը. Առևտրային և մանրավաճառային միջավայրերի համար գնման ուղեցույց

Յուրաքանչյուր մանրածախ խանութ, առևտրային կենտրոն, օդանավակայանի թերմինալ և առևտրային շենք ունի մարդկանց հոսքի խնդիր: Աշխատակազմի թվաքանակի, խանութի դասավորության, բացման ժամերի և վարձակալության համաձայնագրերի վերաբերյալ որոշումները կայացվում են այն տվյալների հիման վրա, որոնք անավարտ են կամ ճշգրիտ չեն այն մասին, թե իրականում քանի մարդ է շարժվում տարածքում:

Մարդկանց հոսքի հաշվարկման համակարգերը, որոնք ինտեգրված են ավտոմատ դռների համակարգերում, հիմնարարորեն փոխում են այս հավասարումը: Սակայն «դուռ՝ հաշվիչով» հասկացությունը ներառում է տեխնիկական հնարավորությունների ահռելի շարք: Հիմնարար ինֆրակարմիր ճառագայթային հաշվիչը և բարձր ճշգրտությամբ 3D տեսողական համակարգը՝ API-ի միացման հնարավորությամբ, երկուսն էլ տեխնիկապես «մարդկանց հոսքի հաշվիչներ» են, սակայն դրանց միջև եղած տարբերությունը մեծ նշանակություն ունի տվյալներից ստացվող բիզնես արժեքի համար:

Այս ուղեցույցը օգնում է գործառնական մենեջերներին և մատակարարման թիմերին հասկանալ տեխնոլոգիական տարբերակները, ճշգրտության հետևանքները, ինտեգրման պահանջները և խուսափելու համար հաճախ հանդիպող սխալները:

Մաս 1. Ինչու «բերել հաշվիչ»-ը նույնը չէ, ինչ «մարդկանց հոսքի վերլուծություն»

Սովորական ինֆրակարմիր ճառագայթի հաշվիչը հաշվում է պուլսեր՝ ինֆրակարմիր ճառագայթի ընդհատումները: Այն չի կարող տարբերել մեկ մարդու և կողք կողքի քայլող երկու մարդու: Այն չի կարող ճիշտ մեկնաբանել ճառագայթի տակից անցնող երեխայի, սպառողական ավտոմեքենայի կամ մեկը մյուսի մոտ քայլող երկու մարդու անցումը: Տիպիկ առևտրային միջավայրերում սովորական ինֆրակարմիր հաշվիչները 70–85 % ճշգրտություն են ցուցադրում, այսինքն՝ բոլոր դեպքերի 15–30 %-ը սխալ են դասակարգվում:

75 % ճշգրտության դեպքում 1000 դեպքի հաշվարկը կարող է համապատասխանել 750-ից մինչև 1250 իրական մարդկանց: Մոտավոր հաճախագնումների գնահատման համար սա կարող է ընդունելի լինել: Սակայն կարգավորման կամ պայմանագրային հետևանքներ ունեցող գործողությունների որոշումների համար այն անընդունելի է:

Երկրորդ մաս՝ Երեք տեխնոլոգիական մոտեցումներ

Առաջին մոտեցում՝ Կրկնակի ճառագայթի ինֆրակարմիր (ավանդական)

Ճշգրտության միջակայքը՝ 75–88 % տիպիկ պայմաններում։ Արդյունքները վատանում են խճողված պայմաններում, երեխաների, սայլակով շարժվող անձանց և դանդաղ շարժվող խմբերի դեպքում։ Առավելությունները՝ ցածր արժեք, պարզ տեղադրում, մասնավորության հարցերի բացակայություն։ Լավագույնս հարմար է սահմանափակ բյուջե ունեցող ծրագրերի համար, որտեղ բավարար է մոտավոր հաճախականության գնահատականը։

Մոտեցում 2. 3D տեսողություն (ժամանակի չափում թռիչքի ընթացքում կամ ստերեո տեսախցիկ)

Ճշգրտության միջակայքը՝ 95–99 % տիպիկ շահագործման պայմաններում։ Համեմատաբար լավ է կատարվում խմբերի, երեխաների, տարբեր արագություններով շարժվող անձանց և երկու ուղղությամբ շարժվող հոսքերի հետ աշխատելու մեջ՝ ի տարբերություն ինֆրակարմիր համակարգերի։ Խորության միայն օգտագործման դեպքում մասնավորության հարցեր չեն առաջանում (չեն գրառվում ճանաչելի պատկերներ)։ Լավագույնս հարմար է առևտրային խանութների, առևտրային կենտրոնների, օդանավակայանների սրահների, առևտրային շենքերի գլխավոր մուտքերի համար՝ ցանկացած կիրառման համար, որտեղ ճշգրիտ հաշվարկները գործողական կարևորություն ունեն։

Մոտեցում 3. Միլիմետրային ալիքների ռադար

Ճշգրտության միջակայքը՝ 95–98 % սովորական պայմաններում։ Ամբողջովին անզգայուն է լուսավորման նկատմամբ՝ աշխատում է ամբողջովին մութ միջավայրում, անձրևի, մառախլի և ջերմաստիճանի ծայրահեղ պայմաններում։ Իր բնույթով մասնավորությունը պահպանող (հայտնաբերում է առկայությունը և շարժումը՝ առանց պատկերի գրառման)։ Լավագույնս հարմար է արտաքին մուտքերի, տրանսպորտային կենտրոնների, այն միջավայրերի համար, որտեղ վիդեոխցիկների տեղադրումը վտանգում է մասնավորությունը, կամ այն կիրառումների համար, որոնք պահանջում են հուսալի աշխատանք ծայրահեղ շրջակա միջավայրային պայմաններում։

Մաս 3. Վերլուծական շղթան՝ Ի՞նչ կարող եք իրականում անել տվյալներով

Շերտ 1. Հաճախականության ծավալի և օրինաչափությունների վերլուծություն

Հաճախականության ծավալի զեկույցները թույլ են տալիս օպտիմալացնել աշխատակազմի թվաքանակը, հարմարեցնել բացման ժամերը և չափել մարքեթինգային արդյունավետությունը։ Եթե վերլուծությունը ցույց է տալիս, որ շաբաթվա սատուրդային ժամերին (14:00–17:00) ընկնում է շաբաթական հաճախականության 35 %-ը, ապա աշխատակազմի թվաքանակը կարող է համապատասխանաբար կենտրոնացվել։ Առաջխաղացման շրջաններում հաճախականության համեմատությունը բազային ցուցանիշների հետ անմիջականորեն ցույց է տալիս մարքեթինգային ծախսերի շնորհիվ առաջացած հաճախականության աճը։

Շերտ 2. Օգտագործման աստիճանի և խտության կառավարում

Իրական ժամանակում պահպանվող սեղանավորման ցուցանիշը (ընդհանուր մուտքը մինուս ընդհանուր ելքը) թույլ է տալիս կառավարել տարածքների տարողությունը՝ հաշվի առնելով կարգավորող սահմանափակումները, կառավարել հաճախորդների փորձը՝ հերթերի ակտիվացման և շարժման ուղղորդման միջոցով, ինչպես նաև վերլուծել խտությունը տարբեր մուտքերով ամբողջ տարածքում։

3-րդ շերտ՝ Փոխարկման վերլուծություն և ռազմավարական որոշումների աջակցում

Մանրածախ վաճառքի համար մարդկանց շարժման տվյալների և POS գործարքների տվյալների միավորումը հնարավորություն է տալիս վերլուծել փոխարկման ցուցանիշը ըստ ժամանակահատվածի, շաբաթվա օրվա և աշխատակազմի սցենարի՝ այնպիսի տեղեկատվություն, որը առանձին յուրաքանչյուր տվյալների հավաքածուն չէր կարող տրամադրել։ Պորտֆելի մակարդակում բազմավայր տրաֆիկի տվյալները տեղեկատվություն են տրամադրում վարձակալության բանակցությունների համար (օգտագործելով ստուգված այցելությունների թիվը՝ ոչ թե հաշվարկված գրավման շրջանը), խանութի ձևաչափի ընտրության համար և նոր տեղակայանների գնահատման համար։

4-րդ մաս՝ Ինտեգրման պահանջներ. Ինչ պետք է նշվի

• API-ի մուտք՝ պահանջել փաստաթղթավորված, բաց REST API՝ JSON ելքով։ Խուսափել սեփական պրոտոկոլներից, որոնք պահանջում են հատուկ ծրագրային ապահովման գործիքներ։

• Տվյալների թարմացման հաճախականություն՝ մեկ րոպեից պակաս՝ իրական ժամանակում զբաղվածության կառավարման համար; զեկույցների համար կարող է բավարար լինել ժամային ագրեգացիան։

• Պատմական տվյալների պահպանում՝ առնվազն 12–24 ամիս միտումների վերլուծության և ստրատեգիական որոշումների ընդունման համար։

• Վճարման կետի (POS) համակարգի ինտեգրում՝ վերջնական ժամանակաշրջանի ճշգրտությունը բավարար է վերափոխման տոկոսի կոռելյացիայի համար։

• Շենքի կառավարման համակարգի (BMS) ինտեգրում՝ ավելի մեծ առևտրային շենքերի համար՝ զբաղվածության տվյալների վրա հիմնված օդային միջավայրի կարգավորման (HVAC) և անվտանգության համակարգերի համակարգում։

• Բիզնես-վերլուծության (BI) հարթակի ինտեգրում՝ տվյալները ուղարկելու հնարավորություն գոյություն ունեցող Tableau, Power BI կամ Looker միջավայրերում։

5-րդ մաս՝ Հինգ տարածված ձեռքբերման սխալներ և դրանցից խուսափելու եղանակները

• «Մարդկանց հոսքի հաշվիչ» սահմանելը՝ առանց ճշգրտության նշման։ Լուծում՝ պահանջել առնվազն 95 % ճշգրտություն փաստաթղթերով հաստատված իրական պայմաններում՝ երրորդ կողմի կատարած փորձարկման արդյունքներով։

• Ենթադրել, որ հարթակը ավելի հզոր է, քան իրականում է։ Լուծում՝ պահանջել իրական տվյալներով կատարվող կենդանի ցուցադրում՝ համեմատելի վարձակալության օրինակի վրա։

• Ինտեգրման պահանջների անբավարար սահմանումը։ Լուծում՝ մինչև սպեցիֆիկացիաների վերջնականացումը ներգրավել այն թիմերին, որոնք կօգտագործեն տվյալները։

• Արտաքին հարթակի շարունակական բաժանորդագրման ծախսերը անտեսելը։ Լուծում՝ պահանջել բոլոր շարունակական ծրագրային ապահովման ծախսերի ամբողջական ցուցակը՝ գնահատելով 10–15 տարվա ընթացքում ընդհանուր սեփականատերության ծախսը։

• Բոլոր մուտքերը համարել համարժեք։ Լուծում՝ մշակել յուրաքանչյուր մուտքի համար առանձին վերլուծություն՝ համապատասխանեցնելով երթևեկության ծավալը և վերլուծական պահանջները համապատասխան տեխնոլոգիական մակարդակին։

Մարդկանց շարժման վերլուծության հնարավորությունը արագ դառնում է ավտոմատ դռների համակարգերի ստանդարտ պահանջ առևտրային միջավայրերում։ Միջին չափի մանրավաճառային սեփականության համար, որտեղ տարեկան այցելում են 500.000 մարդ, նույնիսկ տվյալների վրա հիմնված որոշումների շնորհիվ վերափոխման ցուցանիշի 1 %-անոց բարելավումը կարող է արդարացնել մարդկանց շարժման համակարգի ներդրումը 12–18 ամսվա ընթացքում։