קול ההמון:
איך אומדים התקהלות גדולה?

קהלים גדולים מתכנסים יחד בנסיבות שונות. הופעות מוזיקה, מתחמי קניות הומים, מרכזי תיירות צפופים וגם צעדות ומחאות. בהתקהלויות כאלה יש צורך לעיתים להעריך את גודל ההמון.  

הצורה הבסיסית ביותר של מניית קהל, היא מניה ידנית: בכניסה להופעה למשל, יכנסו רק מי שרכשו כרטיסים המוגבלים מראש לכמות מסוימת. בכניסה למתחם קניות עומד בדרך כלל מאבטח או מאבטחת לעיתים עם לחצן לספירת אנשים. כל לחיצה מוסיפה מספר במונה, ואם יש מונה נוסף ביציאה מהמתחם, אפשר לחסר את מספר היוצאים ממספר הנכנסים, ולקבל תמונת מצב עדכנית על מספר הנוכחים במתחם. מחסום או דלת מסתובבת שמעבירים אדם אחד בכל פעם, יכולים לבצע את אותה פעולת הספירה באופן אוטומטי. 

טווח הטכנולוגיות למניית אנשים בכניסה למתחם מוגדר גם הוא רחב. טכנולוגיה בסיסית היא הצבת חיישן תת-אדום בדופן אחת של הכניסה ומולו מכשיר שפולט אור תת-אדום. כל עוד החיישן קולט את האור המתאים, סימן שאין מכשול ביניהם. אדם שיעבור בכניסה יחסום בגופו את הקרן לכמה רגעים, החיישן יזהה את ההפסקה בקליטת האור, ויספור כניסה למתחם. החיסרון הוא שבדרך זו אי אפשר להבדיל בין אדם לחפץ שמסתיר את החיישן, או לספור ביעילות כמה אנשים שנכנסים יחד. טכנולוגיה דומה שנמצאת בשימוש רחב בזיהוי עצמים היא טכנולוגיה מבוססת מכ"ם או לידאר (LiDAR) ופועלת בצורה דומה, רק במקום לזהות אור שעובר, היא מחפשת אור שחוזר. המערכת שולחת קרן לייזר, ואם הקרן חוזרת לגלאי, סימן שפגעה בעצם בדרך. פעולת הלידאר מאפשרת לקבל תמונה מפורטת יותר לגבי מבנה העצם שעובר בכניסה, וכך להבדיל בין אדם מבוגר, לילד נמוך יחסית, לחפץ דומם כמו עגלה שצורתו רחבה יותר. גם מצלמות תרמיות, שמזהות חום של חי, נכנסות לארגז הכלים, וכמובן טכנולוגיות המבוססות עיבוד תמונה, שיכולות למשל למנות את מספר הראשים בתמונה בודדת (שלא מכילה המון פרטים).

כל האמצעים הללו תקפים למתחמים שיש בהם מספר מוגדר של כניסות ויציאות שאפשר לעקוב אחריהן. הפגנות, לעומת זאת, מתקיימות בשטחים פתוחים, בדרך כלל לא מוגדרים היטב, ומתקבצים בהם אנשים מכיוונים שונים והסתעפויות של רחובות רבים. אומדן של קהלים פתוחים וספונטניים כאלו דורש אמצעי ניטור אחרים.

שערים חכמים יכולים בין השאר לספק תמונה של כמות הקהל בתוך מתחם עם כניסות ויציאות מוגדרות. תחנת רכבת במלבורן, אוסטרליה | צילום: ymgerman, Shutterstock

סופרים בשטח פתוח

שיטות סטטיסטיות להערכת גודל הקהל החלו להתפתח בשנת 1967 כשהעיתונאי האמריקאי הרברט ג'ייקובס (Jacobs) מאס בספירה סיזיפית של ראשים בתמונה של התקהלות באמצעות זכוכית מגדלת. במקום לספור ראש-ראש, הוא העריך את צפיפות הנוכחים ליחידת שטח. ג'ייקובס העריך שבקהל מרווח באופן נוח לכל אדם יש כמטר מרובע לעצמו, בקהל צפוף כחצי מטר מרובע ובצפיפות מירבית כרבע מטר מרובע. היום, השיטה הרווחת מרחיבה את הרעיון של ג׳ייקובס: בשביל להעריך את כמות המשתתפים, אומדים תחילה את שטח ההתקהלות. בדרך כלל בעזרת השוואה בין תמונות מההתקהלות, למשל תמונות מרחפן. את הגודל המדויק של שטח ההתקהלות מעריכים מהשוואה בין התמונות של ההתקהלות לבין מפה שמכילה את מימדי השטחים כמו Google Earth או MapChecking. מחסירים מהמפה אזורים שלא יכולים לכלול קהל, למשל כיכרות שבמרכזן יש פסלים או מזרקות מים. 

הדגמה למדידת שטח שנבחר מתוך כיכר הבימה בתל אביב בעזרת Google Erath]

את שטח ההתקהלות מחלקים לאוסף שטחים קטנים יותר, כדי להתחשב בעובדה שחלקים מההתקהלות צפופים יותר מאחרים. בכל חלק מהשטח הכולל מעריכים את צפיפות הקהל, שהיא מספר האנשים ליחידת שטח, ומכפילים בחלק השטח כדי לקבל את מספר האנשים באותו החלק. סכום האנשים מכל החלקים מרכיב את החישוב הסופי של כלל האנשים שנוכחים בהתקהלות. חישוב מדויק יותר יעשה בעזרת צילומים מכמה זוויות. בזווית צילום רחבה, מופיע מעין אפקט ״עין הדג״, בדומה למבט דרך עינית של דלת. שולי התמונה מעוותים בצורה שבה שטחים בגודל זהה נראים גדולים יותר קרוב לקצות התמונה. צילומים ממספר זוויות, או תיקון מתמטי לתמונה יכולים לעזור לפתרון הבעיה. 

בעקבות דיווחי תקשורת על מספר המפגינים שנכחו בהפגנה בחודש שעבר, עתניאל בן עמרה, שעוסק בתחומי הנתונים, השתמש בחישוב המבוסס על העקרונות האלו כדי לבדוק את המספרים המדווחים. בשרשור טוויטר הוא הניח 2.5 אנשים למטר מרובע, כלומר דומה לקהל צפוף יחסית במדד של ג'ייקובס. מסקירה של צילומי רחפן של ההפגנה שפורסמו בתקשורת, בן עמרה העריך את שטח ההפגנה ושקלול שני הנתונים האלו הניב הערכה של מספר המפגינים שתאמה פחות או יותר את הדיווחים בכלי התקשורת. לשיטה האינטואיטיבית הזו יש מספר חסרונות שעלולים לפגוע בדיוק המספרים. 

בן עמרה מציין תיקונים שיש להכניס לתוך החישוב: ראשית, הוא מתאים לבחון כמה אנשים יכולים לנכוח בשטח ברגע נתון, כלומר קהל סטטי, ולא תופס את הדינמיקה של הקהל. במשך הפגנה יש תחלופה של אנשים, ותמונות שמתפרסמות בתקשורת נוטות לשקף את רגעי השיא של מספר הנוכחים. כלומר יש צורך לשקלל את תחלופת הקהל. בנוסף, הערכת צפיפות קהל בשטחים גדולים היא מאתגרת: קהל נוטה להיות צפוף ביותר בקרבת בימת הדוברים, או מוקדים אחרים, ובהתאם דליל יותר בשולי ההתקהלות.

ספירת קהל צפוף שמפוזר על פני שטח גדול היא אתגר משמעותי. התקהלות מצוירת | איור: Chief Crow Daria, Shutterstock

טלפונים ובינה מלאכותית

חברות סלולר יכולות לספק אומדנים של מספר הנוכחים לפי פעולות התקשורת באזורים של האנטנות הסלולריות, אם כי הן לא תמיד עושות זאת. גם הנתונים שלהן עלולים לסבול מחוסר דיוק משום שבהתקהלויות גדולות בשטח צפוף העומס גורם לנפילות מקומיות של הרשתות הסלולריות. לשיטות איכון סלולרי של אנשים יש מגבלות נוספות, כפי שנוכחנו במגפת הקורונה. 

חוקרים הראו שגם פעילות ברשתות חברתיות הכוללות מידע אודות המיקום של משתמשים פעילים יכולה להיות מדד לכמות הנוכחים, אך גם זאת בהנחה שכולם מצליחים להתחבר לרשת הסלולרית. הטלפונים החכמים שברשותנו מאפשרים ליישומונים מסוימים גישה לשירותי המיקום שלנו, וכך שירותים כמו גוגל מפות יכולים להעריך את מספר המשתמשים בשירות באזורים מוגדרים. 

חוקרים נעזרים גם בלמידת מכונה כדי להעריך גודל וצפיפות של קהלים גדולים מתמונות וסרטוני וידאו. של אירועים גדולים. כאשר בתמונה או בסרטון מופיעות דמויות בודדות, אפשר לספור אותן בשיטות של זיהוי עצמים, ואף לעקוב אחר תנועות שלהם. זיהוי קווי מתאר של אדם בתמונה, או זיהוי מאפיינים של בני אדם (כמו פנים אנושיות וגפיים) משמשים כדי לזהות בתמונה את האזורים שבהם נמצאים בני אדם. 

שיטות רבות של עיבוד תמונה מסתמכות על זיהוי גבולות. גבול יכול להיות מאופיין בשינוי חד של אופי הפיקסלים בתמונה. למשל אם נרצה לזהות אדם על רקע מסוים, נוכל לעבור באופן מסודר על קבוצות הפיקסלים בתמונה, למדוד מספרית שינוי, למשל בצבע הפיקסלים, וללמד את התוכנה לזהות את הגבול בין אובייקט מצולם בין הרקע. גבולות ארוכים ופשוטים יכולים להעיד על עצמים גדולים כמו בניינים, בעוד אוסף של גבולות צפופים וקטנים מתארים עצמים מורכבים יותר, למשל גוף של אדם או פנים. 

אוסף הגבולות בתמונה הוא מעין שרטוט של מאפייני התמונה, ואפשר להתבסס עליו במערכות חכמות לספירת קהל. תמונה מקורית ושרטוט הגבולות שלה | מקור: JonMcLoone, Wikipedia

בתמונות של קהלים גדולים וצפופים, זיהוי של עצמים בודדים הופך לא מעשי. יש שיטות נוספות מעולם עיבוד התמונה, שבהן משקללים מאפיינים נוספים בספירת העצמים, כמו צפיפות גבולות, זוויות של גבולות, כמות פיקסלים זהים, וכל אומדן מספרי אחר שאפשר לחלץ מאוסף הפיקסלים בתמונה, במטרה ללמוד את הקשר בין המאפיינים האלה לבין מספר הנוכחים בתמונה. 

ספירת אנשים בהפגנה היא בעיה סבוכה, המאופיינת באתגרים רבים, כמו השאלות מהם הגבולות הגיאוגרפיים של ההפגנה, איך לאמוד את מספר האנשים נוכח תנועה דינמית ותחלופת קהל במשך האירוע, ואיך להימנע מלספור עוברי אורח או תושבים מקומיים. בנוסף, למספר הנוכחים בהפגנה יש בדרך כלל משמעות פוליטית, וצדדים מסוימים עלולים לנסות להטות את המספרים, כך שכדאי להימנע מעירבוב נתונים עם אינטרסים.