No podrás conectarte si excedes diez intentos fallidos.
La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.
Selecciona el tuyo:
Los patrones de movimiento de los viandantes en multitudes, tales como conciertos y procesiones, o paradas intermitentes del tráfico y movimientos caóticos en atascos, surgen normalmente de forma espontánea. Un equipo europeo ha diseñado un modelo basado en la ciencia cognitiva –estudio de la mente humana– que podría servir de ayuda a los ingenieros que diseñan las rutas de evacuación de grandes multitudes durante desastres.
“Hemos elaborado un modelo sobre el comportamiento de los peatones en multitudes. Llevamos a cabo simulaciones por ordenador en situaciones donde un gran número de personas se mueven en varios entornos para predecir las zonas de peligro en el caso de que hubiera estampidas”, explica a SINC Mehdi Moussaid, investigador de la Universidad Paul Sabatier (Francia) y autor principal del estudio que publica el último número de la revista PNAS.
La investigación sugiere que, guiados por la información visual que reciben de la distancia a la que se encuentran los obstáculos en el campo de visión inmediato, los peatones aplican dos sencillos procedimientos cognitivos para adaptar la dirección y la velocidad a la que caminan.
“Aunque es más simple que otros enfoques anteriores, este modelo predice las trayectorias individuales y los patrones colectivos de movimiento basados en datos empíricos y experimentales”, señala Moussaid.
El modelo indica que cuando se alcanza un cierto nivel de aglomeración de gente se produce un fenómeno conocido como “olas de stop-and-go”. Esto se produce cuando la gente alterna períodos de movimiento hacia adelante y paradas.
“Las olas stop-and-go no son peligrosas. Sin embargo, si la densidad sigue aumentando y se llega a un segundo umbral, aparece un nuevo fenómeno llamado ‘turbulencia masiva’. Se trata de una situación caótica donde las personas son empujadas al azar en todas las direcciones posibles, lo que crea situaciones muy peligrosas. Este tipo de turbulencias se han observado en los últimos desastres multitudinarios, como el de la peregrinación a la Meca en 2006, o la avalancha del Love Parade en Duisburg (Alemania) en 2010”, apunta el experto.
El caos masivo es, por definición, un fenómeno incontrolable y, según los científicos, no se puede ofrecer ninguna solución práctica para gestionar una multitud si las turbulencias ya han comenzado.
“Sin embargo, sabemos que estas ondas de paradas y arranque preceden a las turbulencias masivas, así que la idea sería propagar a la multitud para reducir el nivel de densidad antes de que aparezcan los movimientos caóticos que provocan las situaciones de pánico”, afirma Moussaid.
El modelo también predice las zonas más peligrosas y que recibirán mayor presión física en el caso de que se produzcan turbulencias. “Por todo ello, nuestro estudio puede servir como herramienta para los diseñadores urbanos a la hora de organizar eventos masivos de manera segura y en cualquier situación, tanto en lugares cerrados como al aire libre”, concluye el investigador.
-----------------------------------
Referencia bibliográfica:
Mehdi Moussaid, Dirk Helbing, Guy Theraulaz. “How simple rules determine pedestrian behavior and crowd disasters”, PNAS: 1-5, 18 de abril de 2011. DOI/10.1073/pnas.1016507108.
Solo para medios:
Si eres periodista y quieres el contacto con los investigadores, regístrate en SINC como periodista.
Los esfuerzos de la comunidad científica por aclarar los ahora llamados ‘fenómenos anómalos no identificados’ se suelen centrar en aspectos físicos, como la aceleración o maniobrabilidad de los objetos observados. Pero su avistamiento también provoca un efecto transformador y una forma benigna de interés obsesivo no patológico en las personas que los ven, según la encuesta que ha realizado a casi un centenar de ellas un investigador de la Universidad de Cádiz.
Es conocido que los algoritmos a menudo reflejan los errores y prejuicios de sus creadores, pero también puede ocurrir lo contrario: que personas aconsejadas por una IA sesgada adapten sus decisiones a lo que recomienda el agente artificial, incluso cuando ya no cuentan con su asistencia. Así lo revelan experimentos realizados en la Universidad de Deusto.
