Varios investigadores europeos han demostrado que un modelo simple basado en un factor de comportamiento cognitivo—la visión—puede predecir el comportamiento de los peatones en diversos tipos de multitudes. Representa un progreso significativo en un campo que ha estado tratando de alejarse de los modelos basados puramente en la física.
"No hay una forma clara de describir los procesos cognitivos de cada individuo, pero con este enfoque basado en la visión, en realidad es muy simple", afirma Dirk Helbing, desde el Instituto Federal Suizo de Tecnología en Zurich, que llevó a cabo el trabajo con Mehdi Moussaïd y Guy Theraulaz, de la Universidad Paul Sabatier en Toulouse, Francia.
El estudio, que aparece en la edición de esta semana de Proceedings of the National Academy of Sciences, se inspiró en una investigación anterior que utilizó datos de seguimiento de ojos para determinar cómo predice la gente la trayectoria de una bola en el aire con el fin de atraparla. Muchos otros estudios han sugerido que el caminar, al igual que atrapar una pelota, se rige fundamentalmente por la visión. Así que los investigadores tienen la hipótesis de que el uso de factores visuales, principalmente la línea de visión y la visibilidad, les permitirá modelar mejores comportamientos de las multitudes.
Los investigadores dieron a los miembros de la multitud virtual la capacidad de "ver" su ento o y navegar en consecuencia. Encontraron que su modelo basado en la visión predecía los comportamientos de los peatones sorprendentemente bien, tanto para multitudes pequeñas como grandes, siempre y cuando la influencia física de la multitud en su conjunto también fuese considerada. Sugirieron que el modelo podría ayudar a evitar catástrofes de multitudes como el incidente de la Love Parade que mató a 19 asistentes a un concierto en Alemania el verano pasado, proporcionando a los diseñadores nueva información acerca de cómo los peatones tratan de moverse rápidamente a través de un espacio específico.
El modelo principalmente indica cómo la visión afecta a la dirección y la velocidad de los peatones—dos fuerzas que a menudo compiten cuando una persona está navegando entre un tránsito de peatones. Los investigadores predijeron trayectorias peatonales utilizando el modelo y luego compararon sus predicciones con datos de escenarios de peatones en la vida real. Encontraron que las trayectorias coincidían casi exactamente.
nPara modelar los desastres de multitudes, sin embargo, tuvieron que considerar conductas involuntarias, así como voluntarias. Lo que el peatón puede ver sigue siendo importante, pero a veces el tira y afloja de la multitud puede tener aún más importancia. "Cuando la multitud alcanza una alta densidad, el modelo simple no es suficiente", afirma Theraulaz. "Hay que tener en cuenta las normas del contacto físico".
La adición de un componente de fuerza física al modelo basado en la visión permitió a los autores del estudio predecir el comportamiento de los peatones en diferentes tipos de situaciones de hacinamiento, como por ejemplo un atasco en to o a una salida bloqueada o la montaña que se forma detrás de un peatón caído.
Cuando los autores del estudio aplicaron su modelo modificado a un desastre de atasco ocurrido en el mundo real, fueron capaces de predecir la ubicación de las áreas de mayor riesgo y hacer un mapa de cómo las colisiones de peatones se extenderían una vez que la situación se volviese crítica. "Este es el tipo de caso más peligroso", asegura Helbing. "Se puede hacer un análisis de vídeo posterior, pero aún así es difícil ver exactamente lo que está pasando, porque la gente apenas se mueve".
Una de las mayores ventajas del modelo basado en la visión es su versatilidad, afirma Michael Batty, investigador de planificación urbana en el University College de Londres, y dedicado al estudio de los modelos de multitudes. "Es relevante para una amplia gama de situaciones de peatones, y eso es lo que hace que sea más comprobable", afirma. Los autores del estudio sugieren que el modelo también podría ser utilizado para analizar desastres públicos en aquellos casos de baja visibilidad, tales como incendios, y podría ayudar a mejorar el diseño de robots de navegación entre multitudes.