Advertisement

Agentenspiele

Crowd Management, Sozialsimulationen und Big Data
Chapter

Zusammenfassung

Eine Schlagzeile wie die folgende mag Wasser auf die kulturkritischen Mühlen all jener sein, die in der Allgegenwart mobiler, medientechnischer Geräte einmal mehr den Humanismus in den Datenfluten der sie begleitenden Softwares und Apps untergehen sehen: „Crowd Management: Smartphone soll Massenpanik verhindern“ (Pluta, Crowd Management Smartphone soll Massenpanik verhindern. 2012). Hinter dem Begriff des Crowd Management verbirgt sich im konkreten Fall ein System, das am Deutschen Forschungszentrum für Künstliche Intelligenz in Kaiserslautern für die Olympischen Spiele 2012 in London entwickelt wurde. Um Unglücke wie z. B. jenes während der Duisburger Love Parade im Jahr 2010 zu verhindern, gingen die Forscher daran, die Besucher des Großereignisses mittels einer Smartphone-Applikation in „menschliche Sensoren“ zu verwandeln. Die kostenlose App übermittelt Bewegungsinformationen der Nutzer – etwa Lage, Richtung, Geschwindigkeit und Beschleunigung – an ein Computerprogramm. Diese werden per GPS und über das in derartigen Mobiltelefonen eingebaute Gyroskop gemessen – ersteres definiert die globale Position im System der Längen- und Breitengrade, letztere die genaue lokale Lage und Ausrichtung des Gerätes. Über die App werden die eingehenden und anonymisierten Daten akkumuliert und in Form einer Crowd Density Heatmap visualisiert. Auf dieser können mit geringer Zeitverzögerung die sich bewegenden Besucherströme beobachtet und Engpässe oder potenzielle Gefahrenzonen – z. B. sich verstopfende U-Bahn-Stationen – identifiziert werden (vgl. Pluta, Crowd Management Smartphone soll Massenpanik verhindern. 2012).

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Anderson C (2008) The end of theory: The data deluge makes the scientific method obsolete. Wired, 23. Juni 2008. http://www.wired.com/science/discoveries/magazine/16-07/pb_theory. Zugegriffen 28. Juni 2013
  2. Axelrod R (1997) The complexity of cooperation: Agent-based Models of Competition and Collaboration. Princeton University Press, PrincetonGoogle Scholar
  3. Barett, C. L., Stephen G. Eubank, und James P. Smith. If Smallpox strikes Portland… Sci Am 292(3):54–61Google Scholar
  4. Baudrillard J (1978) Kool Killer oder Der Aufstand der Zeichen. Merve, BerlinGoogle Scholar
  5. Boyd D, Crawford K (2012) Critical Questions for Big Data. Provocations for a cultural, technological, and scholarly phenomenon. Inform Commun & Soc 15(5):662–679CrossRefGoogle Scholar
  6. Brooks FP (1987a) Vom Mythos des Mann-Monats. Essays zum Software-Engineering. Addison-Wesley, BonnGoogle Scholar
  7. Brooks FP (1987b) No Silver Bullet. IEEE Computer 20(4):10–19CrossRefGoogle Scholar
  8. Butler D (2013) When Google got flu wrong. US outbreak foxes leading web-based method for tracking seasonal flu. Nature 494:155–156. http://www.nature.com/news/when-google-got-flu-wrong-1.12413. Zugegriffen 28. Juni 2013Google Scholar
  9. Cook S, Conrad C, Fowlkes AL, Mohebbi MH (2013) Assessing Google Flu Trends Performance in the United States during the 2009 Influenza Virus A (H1N1) Pandemic, PLoS ONE 6(8): e23610. http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0023610. Zugegriffen 28. Juni 2013
  10. Crawford K (2013) Think Again: Big Data Why the rise of machines isn’t all it’s cracked up to be. http://www.foreignpolicy.com/articles/2013/05/09/think_again_big_data?print=yes&hidecomments=yes&page=full. Zugegriffen 28. Juni 2013
  11. Deleuze G (1990) Control and Becoming. Conversation with Toni Negri. Futur Anterieur 1, trans. by Martin Joughin. http://www.generation-online.org/p/fpdeleuze3.htm. Zugegriffen 28. Juni 2013
  12. Foucault M (1994) Überwachen und Strafen. Die Geburt des Gefängnisses. Suhrkamp, Frankfurt/M.Google Scholar
  13. Foucault M (2004) Geschichte der Gouvernementalität II: Die Geburt der Biopolitik. Vorlesung am Collège de France 1978–79, hrsg. Michel Sennelart. Suhrkamp, Frankfurt/M.Google Scholar
  14. Google Flu Trends http://www.google.org/flutrends/. Zugegriffen 29. Juni 2013
  15. Helbing D, Johansson A, Al-Abideen HZ (2007) Dynamics of crowd disasters: an empirical study. Phys Revi E 75, 046109CrossRefGoogle Scholar
  16. Johansson A, Helbing D, Shukla PK (2007) Specification of the social force pedestrian model by evolutionary adjustment to video tracking data. Advan Comp Syst 10:271–288CrossRefGoogle Scholar
  17. Kahn H, Mann I (1957) Monte Carlo. Santa Monica: RAND P–1165Google Scholar
  18. Le Bon G (1982) Psychologie der Massen. Körner, StuttgartGoogle Scholar
  19. Macal CM, North MJ (2006) Tutorial on Agent-Based Modeling and Simulation Part 2: How to model with Agents. In Proceedings of the 2006 Winter Conference. Perrone et al. LF (Hrsg) pp 73–83Google Scholar
  20. Macavinta C (2002) Digital Actors in The Ring can think. Wired (13. Dezember): o.S. http://www.wired.com/entertainment/music/news/2002/12/56778. Zugegriffen 28. Juni 2013
  21. Manovich L (2011) Trending: the promises and the challenges of big social data. In Debates in the Digital Humanities. In: Gold MK (Hrsg) University of Minnesota Press, Minneapolis, http://www.manovich.net/DOCS/Manovich_trending_paper.pdf. Zugegriffen 28. Juni 2013
  22. Mayer-Schönberger V, Cuvier K (2013) Big Data. A Revolution that will transform how we live, work, and think. Boston, New YorkGoogle Scholar
  23. McKelvey F, Tiessen M, Simcoe L (2013) We are what we tweet: The problem with a big data world when everything you say is data. http://culturedigitally.org/2013/06/we-are-what-we-tweet-the-problem-with-a-big-data-world-when-everything-you-say-is-data-mined/. Zugegriffen 28. Juni 2013
  24. Mecklenburg S (2002) Digitale Ork-Massen. C't 26:34Google Scholar
  25. Peirce CS (1935–66) Collected papers of C.S. Peirce. Hartsthrone C, Weis P, Burks AK (Hrsg) 8. Bde. Harvard University Press, CambridgeGoogle Scholar
  26. Pias C (2011) On the epistemology of computer simulation. Zeitschrift für Medienphilosophie und Kulturforschung 1:29–54Google Scholar
  27. Pluta W (2012) Crowd management smartphone soll massenpanik verhindern. http://www.golem.de/news/crowd-management-smartphone-soll-massenpanik-verhindern-1209–94331.html. Zugegriffen 28. Juni 2013
  28. Sarasin P (2008) Smallpox Liberalism. Michel Foucault und die Infektion. In Abwehr. Modelle – Strategien – Medien. Pias C (Hrsg). Transcript, Bielefeld, pp 27–37Google Scholar
  29. Sighele S (1897) Psychologie des Auflaufs und der Massenverbrechen, Dresden. Reisner, Leipzig. [Original 1891]Google Scholar
  30. Tarde G de (1901) L'Opinion et la foule. ParisGoogle Scholar
  31. Vehlken S (2009) Überleben rechnen. Biologically Inspired Computing zwischen Panik und Crowd Control. Informatik 2009. Im Fokus das Leben. Gesellschaft für Informatik Lecture Notes. Proceedings. Fischer S, Maehle E, Reischuk R (Hrsg) 63 und 847–859. GI, BonnGoogle Scholar
  32. Vehlken S, Engemann C (2011) Supercomputing. Archiv für Mediengeschichte: Takt und Frequenz. Balke F, Siegert B, Vogl J (Hrsg). Fink, Weimar, pp 143–161Google Scholar
  33. Wirz M et al (2012) Inferring crowd conditions from pedestrians’ location traces for real-time crowd monitoring during city-scale mass gatherings. Proceedings of the 2012 IEEE 21st International Workshop on Enabling Technologies: Infrastructure for Collaborative Enterprises. WETICE 2012, Toulouse, pp 367–372Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2014

Authors and Affiliations

  1. 1.LüneburgLeuphana Universität LüneburgLüneburgDeutschland

Personalised recommendations