Menggunakan simulasi menit demi menit untuk menganalisis pengambilan keputusan orang banyak di Disneyland

Semua gambar adalah milik penulis

Perkenalan

Jika Anda pernah merencanakan perjalanan ke Disneyland, Anda pasti tahu betapa pentingnya memeriksa tingkat keramaian. Yang diperlukan hanyalah gelombang kerumunan yang tak terduga untuk mengubah tempat paling bahagia di dunia menjadi kebalikannya. Sepuluh tahun yang lalu hal ini dapat dihindari dengan melakukan perjalanan di tengah minggu, namun Disneyland modern tidak memiliki hari libur.

Proyek ini dipicu oleh satu pilihan perjalanan pada perjalanan Disneyland Resort saya baru-baru ini. Grizzly River Rapids di California Adventure telah menunggu selama 45 menit selama beberapa jam, dan karena takut kami harus menunggu hingga suhu turun di kemudian hari, kami memulai perjalanan ke sisi taman itu. Setelah mengantri selama 5 menit, kami melihat waktu tunggu berubah menjadi 25 menit. Kami merasa seperti kami telah memainkan sistem dan menghemat waktu karena langkah ini.

Hal ini membuat saya berpikir, apakah merupakan langkah cerdas untuk berjalan menuju wahana dengan waktu tunggu lebih lama dari rata-rata? Kedengarannya berlawanan dengan intuisi, namun setelah memikirkan semua pilihan yang kami buat hari itu, menjadi jelas bahwa kami menghindari perjalanan jika kami merasa hal tersebut tidak sepadan dengan penantian saat ini. Misalnya, Space Mountain pada 70 menit — tidak, terima kasih, kami akan menunggu untuk melihat apakah itu turun. Thunder Mountain dalam 20 menit — tentu saja, itu tampaknya masuk akal. Dengan asumsi bahwa rata-rata orang berpikir seperti ini, masuk akal jika Grizzly River Rapids kadang-kadang mengalami penurunan yang relatif besar. Orang-orang melihat 45 menit dan menunggu sampai nanti, jadi waktu tersebut berkurang karena lebih sedikit orang yang mengantri. Jika waktunya tepat, Anda dapat mengantri dengan tepat karena jumlah orang yang ada di sana paling sedikit. Maka lahirlah sebuah simulasi.

Membangun Simulasi

Langkah pertama dalam menulis kode MATLAB adalah menentukan seperti apa suatu hari di Disneyland dilihat dari jumlah individunya. Kapasitas Disneyland adalah sekitar 85.000 orang, dan selama COVID kapasitasnya dimulai dari 25% dari kapasitas (tetapi sudah pasti meningkat sejak Mei). Hal ini menjadikan jumlah pengunjung pasca-COVID sekitar 21.000 orang per hari. Jumlah ini tidak akurat jika digunakan dalam simulasi karena kita tahu bahwa Disneyland tidak dipenuhi oleh 21.000 penumpang tunggal. Ini adalah keluarga dengan berbagai ukuran, jadi proyek harus sesuai dengan itu. Rata-rata ukuran keluarga adalah 3–4 individu, tetapi saya menetapkan rata-rata 3,78 untuk simulasi ini. Saat ini kami hanya mengamati 5.500 kelompok orang berbeda yang mengambil keputusan, yang dapat mempercepat simulasi secara signifikan.

Ada atribut lain untuk setiap grup yang harus ditetapkan seperti lokasi, apa yang mereka lakukan, kecepatan berjalan, riwayat perjalanan, dan waktu kedatangan/keberangkatan.

  • Setiap kelompok diberi nomor, 0–30, untuk lokasi mereka saat ini (0 untuk pintu masuk dan 1–30 untuk 30 wahana berbeda).
  • Mereka diberi nilai berdasarkan apakah kelompok tersebut sedang berjalan, mengantri, atau sedang dalam perjalanan.
  • Nilai kecepatan berjalan ditetapkan berdasarkan ukuran kelompok, seorang pengendara jelas akan berjalan lebih cepat daripada kelompok yang terdiri dari 10 orang (dan juga harus berhenti lebih sedikit untuk istirahat di kamar mandi).
  • Riwayat perjalanan penting karena ketika meminta kelompok untuk memilih perjalanan, Anda ingin memiliki beberapa variabilitas sehingga pengendara tidak berulang kali memilih untuk mengendarai Matterhorn.
  • Waktu kedatangan dan keberangkatan penting karena tidak semua orang tiba di taman tepat saat taman dibuka, dan tidak semua orang tetap tinggal hingga taman tutup. Ini ditentukan secara acak berdasarkan distribusi kehadiran taman vs waktu yang telah ditentukan sebelumnya.

Ada juga beberapa atribut yang perlu ditetapkan untuk setiap perjalanan di taman. Hal-hal seperti sensasi, seberapa “harus dikendarai”, waktu tunggu saat ini, kapasitas berkendara (pengendara/jam), dan lama waktu berkendara.

Satu matriks data terakhir ditetapkan untuk jarak antara masing-masing 30 wahana dan pintu masuk. Benar sekali, matriks data Google Earth berukuran 31 kali 31 untuk mewakili jarak dari satu perjalanan ke perjalanan lainnya.

Sekarang kami memiliki semua alat yang diperlukan untuk menjalankan simulasi hari Disneyland dan mendapatkan beberapa hasil.

Menjalankan Simulasi

Mari kita asumsikan kita memiliki 3 kelompok pertama dari total 5.500 kelompok kita dan lihat seperti apa pengambilan keputusannya (dimulai dari awal hari).

Grup A: 4 orang, terletak di pintu masuk, kecepatan berjalan rata-rata, dan tidak ada riwayat perjalanan

Grup B: 2 orang, terletak di pintu masuk, kecepatan berjalan cepat, dan tidak ada riwayat perjalanan

Grup C: 7 orang, terletak di pintu masuk, kecepatan berjalan lambat, dan tidak ada riwayat perjalanan

Jika suatu kelompok membutuhkan tumpangan baru, kelompok tersebut akan diminta untuk memilih satu. Namun, ia tidak memilih satu secara sembarangan. Setiap wahana diberi skor preferensi untuk grup tersebut berdasarkan atribut wahana yang tercantum di atas. Segala sesuatu mulai dari waktu tunggu saat ini, jarak berjalan kaki, dan variabilitas dipertimbangkan saat menilai perjalanan. Kemudian, 10 teratas dipilih dengan distribusi yang telah ditentukan (biasanya sekitar 25% peluang untuk mendapatkan skor tertinggi, dan kemudian 15% peluang untuk mendapatkan tempat kedua, dll.) dan perjalanan yang dipilih ditugaskan ke grup. Kelompok tersebut diberi waktu berjalan berdasarkan jarak perjalanan dan kecepatan berjalannya, lalu mereka mulai berjalan, menit demi menit. Hal ini dilakukan untuk semua rombongan yang membutuhkan tumpangan, yang mana contoh kita adalah semua rombongan, A, B, dan C.

Katakanlah grup A memilih Indiana Jones. Mereka diberi waktu berjalan kaki selama 5 menit. Grup B memilih Space Mountain, dan diberi waktu berjalan kaki selama 4 menit. Grup C juga memilih Indiana Jones, dan waktu berjalan mereka 10 menit (7 orang vs 4 orang dalam satu grup). Setelah semua waktu tersebut habis, mereka diberi waktu tunggu untuk perjalanan tersebut berdasarkan jumlah orang yang sudah berada dalam antrean tersebut, dan volume perjalanan (pengendara/jam). Setelah waktu tunggu habis, mereka diberi waktu perjalanan yang unik untuk perjalanan tersebut. Setelah waktu perjalanan habis, mereka diminta untuk memilih perjalanan berikutnya, dan siklus berlanjut.

Hal ini berlanjut setiap menit dalam sehari, dan setiap perjalanan mencatat waktu tunggu pada menit tersebut untuk representasi grafis di penghujung hari.

Hasil

Di bawah ini adalah plot untuk 30 wahana dalam satu hari, 21.000 orang, buka dari jam 8 pagi hingga 10 malam (0 hingga 840 pada sumbu x).

Beberapa hal yang perlu diperhatikan:

  • Finding Nemo tutup hingga musim dingin tahun 2021, itulah sebabnya plotnya tayang pada 0 menit.
  • Ini hanyalah satu simulasi, artinya rentang sebenarnya dari titik data yang mungkin lebih besar daripada yang ditampilkan.
  • Waktu henti perjalanan tidak diperhitungkan, namun diperhitungkan dalam volume perjalanan karena hal tersebut tidak dapat diprediksi.
  • Wahana air seperti splash mountain memiliki metode penilaian khusus karena cuaca hangat akan meningkatkan waktu tunggu.
  • Perjalanan dimulai dengan waktu tunggu 1 menit saat pembukaan, karena perlu waktu untuk berjalan melalui antrian terbuka.

Mari kita lihat tiga wahana dengan bentuk plot waktu tunggu yang berbeda (sumbu x adalah waktu sebenarnya, 0 pada jam 8 pagi dan 840 pada jam 10 malam, dan sumbu y adalah waktu tunggu dalam hitungan menit).

Autopia mengalami peningkatan yang sangat tajam sekitar 2–3 jam setelah pembukaan taman, kemungkinan besar karena kedekatannya dengan Space Mountain dan Matterhorn. Variasi waktu tunggu di paruh pertama hari adalah contoh sempurna betapa pentingnya waktu ketika mengantri. Perbedaan antara pukul 12.00 dan 00.30 adalah sekitar 10 menit, dan ini relatif signifikan. Untuk menerapkan hal ini pada situasi kehidupan nyata, jika Anda melihat Autopia menunggu lebih dari 30 menit, mungkin mulailah berjalan ke area tersebut untuk melihatnya turun 5–10 menit.

Pirates of the Caribbean memiliki bentuk yang jauh berbeda dari Autopia, dengan variasi yang lebih sedikit dari menit ke menit. Ini memiliki kurva awal yang tinggi yang perlahan-lahan menghilang sekitar tengah hari, jadi untuk contoh spesifik ini, akan lebih baik untuk menaiki Pirates of the Caribbean sebelum jam 10 pagi atau setelah jam 4 sore. Penurunan di penghujung hari kemungkinan besar disebabkan oleh aspek wahana air, atau mungkin karena sebagian besar orang sudah pernah menaikinya dan tidak ingin kembali lagi.

Splash Mountain adalah contoh ekstrem dari efek naik air, yang berarti waktu tunggunya sangat rendah pada jam pertama dan terakhir pada hari itu. Ada beberapa fluktuasi yang lumayan antar menit, jadi pengaturan waktu yang tepat dapat menghemat waktu tunggu hingga 10 menit.

Hal ini hanya penting jika simulasi mampu mencocokkan kenyataan secara akurat. Pada saat artikel ini ditulis, pukul 13.00 tanggal 5 Agustus, waktu tunggu untuk ketiga contoh tersebut adalah sebagai berikut:

  • Autopia — 20 menit
  • Bajak Laut Karibia — 45 menit
  • Splash Mountain — 65 menit

Berdasarkan simulasi ini, perkiraan waktu tunggu pada jam 1 siang adalah sebagai berikut:

  • Autopia — 22 menit
  • Bajak Laut Karibia — 43 menit
  • Splash Mountain — 53 menit

Autopia dan Pirates of the Caribbean sangat mendekati kenyataan, sedangkan Splash Mountain jauh lebih rendah. Hal ini mungkin disebabkan oleh suhu yang lebih tinggi, atau fakta bahwa Indiana Jones sedang turun pada saat itu, sehingga lebih banyak pengendara yang pindah ke Splash Mountain.

Kesimpulan

Memprediksi waktu tunggu dengan simulasi ini cukup dapat diandalkan ketika semua wahana berjalan normal, dan para tamu membuat keputusan yang masuk akal. Wahana dengan fluktuasi tinggi adalah wahana yang dapat diatur waktunya dengan lebih baik saat berada di taman untuk mengambil keputusan. Berjalan menuju wahana tersebut terbukti bermanfaat bagi hari Anda, menghemat 5–10 menit per perjalanan.

Simulasi ini dapat dengan mudah diubah agar sesuai dengan perkiraan jumlah kerumunan, penutupan wahana, penambahan wahana, dan jam buka taman. Perbaikan wahana dapat meningkatkan waktu tunggu, dan hal ini dapat diubah dalam atribut “harus dikendarai” pada wahana tersebut untuk mencerminkan waktu tunggu yang baru.

Beberapa langkah selanjutnya yang dapat dilakukan dengan simulasi ini adalah memasukkan fastpass, istirahat makan, waktu parade dan pertunjukan, serta pengaruh boarding pass terhadap waktu tunggu.

Selain itu, melihat bagaimana ukuran rombongan mempengaruhi jumlah perjalanan yang dilakukan suatu rombongan, atau mungkin bagaimana waktu tunggu berubah seiring bertambahnya jumlah pengunjung bisa menjadi hal yang menarik. Melihat kelompok yang paling sukses dan keputusan mereka juga bisa menjadi contoh yang baik bagi mereka yang benar-benar ingin menghabiskan hari mereka di Disneyland.

Untuk menjawab pertanyaan utama yang saya miliki dengan proyek ini: Ya, berjalan menuju waktu tunggu yang tinggi untuk perjalanan tertentu tampaknya bermanfaat, tetapi bagi yang lain, tidak terlalu bermanfaat. Wahana berprioritas tinggi seperti Space Mountain, Matterhorn, Indiana Jones, dan Millennium Falcon tidak memiliki banyak variasi sepanjang hari kecuali Anda dapat mengatur waktunya dengan tepat saat wahana tersebut dibuka kembali dari penutupan sementara. Namun, telah terbukti bahwa wahana lain memiliki variasi yang cukup banyak yang dapat Anda manfaatkan, dan mungkin mendapatkan satu atau dua wahana tambahan di hari Disneyland Anda.