Teljandi fólksflæðis við sjálfvirkar hurður: Kauparáðgjöf fyrir viðskiptamiðstöðvar og verslunarmiðstöðvar

Hver verslun, kaupstöð, flugvallstermínal og viðskiptahús hefur vandamál með fólkstraum. Ákvarðanir um fjölda starfsfólks, uppsetningu verslunar, opnunartíma og leigusamninga eru gerðar á grundvelli ófulls eða ónákvæmra upplýsinga um hversu margir einstaklingar hreyfa sig í rauninni um svæðið.

Kerfi til talningar á fólksfæði sem eru innbyggð í sjálfvirka hurðakerfi breyta þessu jöfnunum grundvallar. En „hurð með teljara“ felur í sér mjög víðtækt spektr af tæknilegri getu. Grunnurinfrareyndastrengur og hátt nákvæm kerfi með 3D-sjón með API-tengingu eru bæði tæknilega „kerfi til talningar á fólksfæði“ – en bilin milli þeirra er mjög mikilvæg fyrir viðskiptagildið sem unnið má úr gögnunum.

Þessi leiðbeining hjálpar rekstrarstjórum og kaupliðum að skilja tæknilausnir, áhrif á nákvæmni, kröfur til tengingar og algengar villur sem ættu að undganga.

Hluti 1: Af hverju er „að taka með teljara“ ekki það sama og „greining á fólksfæði“

Grunnlegðir innræðisgeislasjávar telja pulsa — hindranir á innræðisgeisla. Hann getur ekki greint á milli einnar persónu og tveggja fólks sem fer hlið við hlið. Hann getur ekki meðhöndlað barn sem fer undir geislan, kaupakarfa eða tvo fólk sem fer nálægt saman. Í venjulegum verslunarmiljóum ná grunnlegðir innræðisgeislasjávar nákvæmni á bilinu 70–85 % — það er að segja að 15–30 % af öllum atburðum séu rangt flokkuð.

Við nákvæmni 75 % gæti telja á 1.000 atburðum táknat allt frá 750 til 1.250 raunverulegum fólki. Fyrir áætlaða umferðarskýrslur gæti þetta verið samþykkt. Fyrir rekstrarákvörðanir með reglugerðar- eða samningstengdar áhrifar er það ekki.

Hluti 2: Þrjú tæknilausnir

Lausn 1: Tvöfaldur innræðisgeisli (hefðbundin)

Nákvæmishlutfall: 75–88% undir venjulegum skilyrðum. Árangur minnkar í fjöldamiklum umhverfis, með börnum, notendum rullstóla og hópum sem hreyfa sig hægt. Ávinningur: lág kostnaður, einföld uppsetning, engar persónuverndarskilyrði. Best hent fyrir lágvirðisforrit þar sem nálgunargildi á ferðamanni- eða gestafjölda er nægilegt.

Aðferð 2: 3D-sjón (tími-til-flugs eða tvímyndavél)

Nákvæmishlutfall: 95–99% undir venjulegum rekstrarshlutföllum. Meðhöndlar hópa, börn, mismunandi hraða og tveggja áttara ferðamannastræti miklu betur en infrarauð ljós. Engar persónuverndarskilyrði við dýptarein kerfi (engar auðkennanlegar myndir eru teknar). Best hent fyrir verslunarmiðstöðvar, kaupstöðvar, flugvallshalli og aðal-innganga viðskiptahúsa – hvaða forrit sem er þar sem nákvæmir fjöldi teljur eru rekstrarlega mikilvægir.

Aðferð 3: Millimetra bylgju radars

Nákvæmishafi: 95–98% undir venjulegum skilyrðum. Fullkomlega óviðkvæmileg fyrir ljóskröfu — virkar í algjörri myrkri, regni, þokugný, og við mjög háar eða lága hitastig. Náttúrulega persónuverndarvæn (greinir staðsetningu og hreyfingu án þess að taka myndir). Best hent fyrir utanaðkomandi inngöngur, ferðamálastöðvar, umhverfi þar sem uppsetning á myndavélum vekur upp áhyggjur um persónuvernd, eða notkun þar sem áreiðanleg virkni er nauðsynleg í mjög óvenjulegum umhverfisstöðum.

Hluti 3: Greiningarkeðjan — hvað geturðu raunverulega gert með gögnunum

Lag 1: Greining á ferðamengi og ferðamynstur

Skýrslur um ferðamengi gerðu mögulegt að stytta starfsfólksáætlun, rökva opnunartíma og mæla áhrif markaðssetningar. Ef greining sýnir að laugardagar kl. 14:00–17:00 telja fyrir 35% af vikulegu ferðamenginu, er hægt að samþætta starfsfólkið á þessum tíma. Með því að bera saman ferðamengið á markaðssetningartímabili við grunnstöðu má beina mælingu á aukningu ferðamengisins sem afleiðing markaðssetningarútgefna.

Lag 2: Stjórnun á nýtingu og þéttleika

Nettóupptaka (samtals inngangur mínus samtals útgangur) er haldað uppfærð í rauntíma, sem gerir kleift að stjórna getu í svæðum með reglubundnum takmörkunum, stjórna viðskiptavinasamvindu með því að virkja biðröð og leiða hreyfingu, og greina þéttleika á svæðisvísu yfir margar inngöngur.

Lag 3: Umbreytingargreining og styrkt á ákveðum ákvarðanum

Fyrir verslun gerir samsetning á fólksflæðisgögnum og POS-kaupagögnum kleift að greina umbreytingarhlutfall eftir tímabili, vikudag og starfsfólkssamhengi — innsýn sem hvorki gagnasett myndi gefa fyrir sig. Á portfeljastigi veita flæðigögn frá mörgum staðsetningum upplýsingar fyrir samninga um leigusamninga (með staðfestum fótferð en ekki metnum fjölda í námiði), ákvarðanir um verslunarsnið og mat á nýjum staðsetningum.

Hlutur 4: Kröfur til samruna — hvað skal skilgreina

• Aðgangur að API: krefjast þarf vel skilgreindrar, opinnar REST-API með JSON úttaki. Forðast einkaeignarlega samskiptamál sem krefjast ákveðinna hugbúnaðarverkfæra.

• Uppfærsluhraði gagna: undir mínútu fyrir rauntíma stjórnun á nýtingu; klukkutíma samantekt getur verið nægileg fyrir skýrslur.

• Gagnagrunnsvaran: lágmark 12–24 mánuði fyrir greiningu á átökum og stöðugt stöðustyrkjum.

• Samspil við POS-kerfi: tímaritunar nákvæmni nægileg til að tengja við umbreytingarhlutfall.

• Samspil við BMS: fyrir stærri viðskiptaeignir, samstilling á HVAC- og öryggiskerfum byggð á upplýsingum um nýtingu.

• Samspil við BI-kerfi: geta sendað gögn í núverandi Tableau-, Power BI- eða Looker-umhverfi.

Hluti 5: Fimm algengar kaupmistök – og hvernig á að koma þeim í veg

• Tilgreining 'fjöldatölur á fólki sem fer um' án tilgreiningar á nákvæmni. Læsning: krefjast lágmarks 95% nákvæmnis í skilgreindum reikniforritsskilyrðum með niðurstöðum frá þriðja aðila.

• Gera ráð fyrir að kerfið sé meira virkt en það er raunverulega. Læsning: krefjast lifandi demonstraðrar notkunar með raungögnum frá samanburðarstaðsetningu.

• Ekki tilgreina samspilskröfur nógu nákvæmt. Læsning: draga inn liði sem mun nota gögnin áður en kröfur eru lokuð.

• Hunsa áframgöngusamninga fyrir vettvangi. Laga: biðja um fullt yfirlit yfir allar áframgöngusjávar tæknikostnaðar; meta heildarkostnað á 10–15 ár.

• Líta á öll inngöngur sem jafngildandi. Laga: þróa greiningu á inngöngum eftir hverri inngöngu, sem tengir ferðamagn og kröfur til greiningar við viðeigandi tækniþrep.

Möguleikinn á greiningu á fólkstraumi er hratt að verða staðlaður krafna fyrir sjálfvirka hurðakerfi í verslunarmiljum. Fyrir miðlungsstór verslunareign með 500.000 ársfólkshafn getur jafnvel 1% bæling á umbreytingarhlutfalli frá gagnabasedum ákvarðanum réttvíslega réttlætt reyndarinnleika fólkstraumakerfisins innan 12–18 mánaða.