מחקר זה מציג תהליך עבודה הניתן לשחזור לאופטימיזציה של פריסות תערוכות אימרסיביות, על ידי שילוב של סימולציית חישול אדפטיבית (adaptive simulated annealing), בחירת הצעות תלוית-שלב ובקרת חימום מחדש. הפריסה שנבחרה הוטמעה בסביבת תערוכה במציאות מדומה והוערכה באמצעות מדדי עלות מרחבית, יומני התנהגות של המשתתפים ודירוגים לאחר החוויה.
מאמר מחקר
אופטימיזציה של תכנון מרחב תערוכה אימרסיבי באמצעות חישול סימולטיבי אדפטיבי עם חימום מחדש והערכה באמצעות מציאות מדומה
במאמר זה
סיכום
תקציר
מרחבי תערוכה אימרסיביים דורשים תכנוני פריסה התומכים בתנועה יעילה, ניווט ברור, אינטראקציה מאוזנת וחוויה סביבתית נעימה. עם זאת, פריסות של תערוכות מפותחות לעיתים קרובות באמצעות החלטות עיצוב ידניות, מה שמקשה על הערכה סימולטנית של אורך המסלול, נגישות חזותית, סיכון לדחיסות, נוחות סביבתית והתפלגות צומתי אינטראקציה. מחקר זה פיתח והעריך תהליך עבודה לאופטימיזציה של עיצוב מרחבי המבוסס על simulated annealing אדפטיבי עם בחירת הצעות תלויית-שלב ובקרת חימום מחדש (reheating). אולם תערוכה אימרסיבי של 36 m x 24 m הוקם עם שישה אזורים תמטיים, מסדרונות מעבר, אזור מנוחה אחד ומספר צומתי אינטראקציה. הושוו שלושה מצבי פריסה: פריסה ידנית, פריסת simulated annealing סטנדרטית, ופריסת simulated annealing אדפטיבית עם חימום מחדש. מודל האופטימיזציה מיזער פונקציית עלות מרחבית משוקללת ששילבה מרחק הליכה, נגישות חזותית, דחיסות, נוחות סביבתית ואיזון אינטראקציות. הפריסות שנבחרו יושמו בסצנות תערוכה במציאות מדומה והוערכו באמצעות יומני התנהגות של משתתפים ודירוגים שלאחר החוויה. האלגוריתם האדפטיבי הניב עלות מרחבית סופית נמוכה יותר, אחוז שיפור גבוה יותר ומספר איטרציות קטן יותר עד לפתרון המיטבי בהשוואה ל-simulated annealing סטנדרטי, עם עלייה מתונה בזמן החישוב. משתתפים שהוקצו לפריסה האדפטיבית דיווחו על שביעות רצון גבוהה יותר, תחושת נוכחות חזקה יותר, ניווט ברור יותר, תפיסת דחיסות נמוכה יותר ועומס קוגניטיבי נמוך יותר, והם השלימו את המסלול עם מרחק הליכה קצר יותר, פחות היסוסים, זמן שהייה ארוך יותר וכיסוי רחב יותר במפות חום. ממצאים אלו תומכים בתהליך העבודה כגישה לתמיכה בקבלת החלטות עבור תרחיש התערוכה שנבדק; הם אינם קובעים פריסת תערוכה אופטימלית באופן אוניברסלי או עליונות על פני כל המטא-היוריסטיקות החלופיות.
מבוא
חללי תערוכה חווייתיים משלבים יותר ויותר עיצוב מרחבי, מדיה דיגיטלית, תצוגות אינטראקטיביות וטכנולוגיות מציאות מדומה כדי ליצור סביבות שבהן המבקרים אינם רק צופים בתכנים, אלא נעים בתוכם, מגיבים אליהם ומפרשים את התערוכה כחוויה מרחבית. בהגדרות אלו, איכות החוויה תלויה לא רק בעשירות התכנים הוויזואליים או האינטראקטיביים, אלא גם ברציפות המסלול, בנראות, בצפיפות, בנוחות הסביבתית ובפיזור של הזדמנויות האינטראקציה. לפיכך, עיצוב חללי תערוכה כרוך בבעיה רב-משתנית: תכנון המבנה חייב להוביל את המבקרים ביעילות תוך שימור הרצף הנרטיבי, הפתיחות התפיסית וההזדמנויות למעורבות. מחקרים על התנהגות במוזיאונים ובתערוכות הראו לאורך זמן כי חוויית המבקר מעוצבת על ידי הארגון המרחבי, מבנה התנועה והנגישות הפרשנית, ולא על ידי תוכן התערוכה לבדו1.
תיאוריית התצורה המרחבית (Spatial-configuration theory) מספקת בסיס מועיל להתייחסות לתכנון תערוכות כבעיה עיצובית הניתנת לניתוח. מנקודת מבט זו, המרחב אינו מכיל פסיבי עבור חפצים; הוא מארגן תנועה, מפגשים, נראות ובחירה. תצורה אדריכלית יכולה להשפיע על האופן שבו אנשים נעים בסביבה ועל מידת הקלות שבה הם מבינים את הקשר בין מרחבים2. ניתוח מרחבי מבוסס-נראות תומך בגישה זו על ידי הצגת העובדה ששדות ראייה ומערכות יחסי קו-ראייה ניתנים למידול כמאפיינים מדידים של קוגניציה מרחבית וניווט3. רעיונות אלה רלוונטיים במיוחד לתערוכות אימרסיביות, כיוון שהמבקרים חייבים לשלב באופן רציף מידע חזותי, החלטות לגבי מסלול, רמזי אינטראקציה וגירויים סביבתיים בעודם נעים בתערוכה.
במקביל, טכנולוגיות אימרסיביות הרחיבו את הדרכים שבהן ניתן לתכנן ולבחון סביבות תערוכה לפני יישומן הפיזי. ממשקים וירטואליים ואימרסיביים מאפשרים לחוקרים ולמעצבים לבחון כיצד משתמשים תופסים את הסביבה ומתנהגים תחת תנאים מרחביים מבוקרים, דבר המאפשר השוואה בין פריסות חלל חלופיות תוך שמירה על תוכן והגדרות סביבתיות קבועות4. סקירות של יישומי מציאות מדומה אימרסיביים מראות כי המבנה המרחבי, עיצוב האינטראקציה ובהירות המשימה הם גורמים קובעים חשובים למעורבות המשתמש ולאיכות הלמידה5. ראיות ממטא-אנליזה מצביעות גם על כך שרמת וסוג האימרסיה יכולים להשפיע על תחושת הנוכחות, אך אימרסיה לבדה אינה מבטיחה תוצאות טובות יותר אם הסביבה מאורגנת בצורה לקויה או קשה לניווט6.
חוויית המשתמש של תערוכה אימרסיבית קשורה קשר הדוק לתחושת נוכחות, עומס קוגניטיבי ונוחות פיזית. נוכחות משקפת את המידה שבה משתמשים חווים את עצמם כנמצאים בתוך סביבה מתווכת, מה שהופך אותה לתוצאה מרכזית בסביבות וירטואליות ואימרסיביות7. עם זאת, סביבות אימרסיביות עלולות ליצור עומס קוגניטיבי כאשר הניווט, האינטראקציה או המידע החושי אינם מתואמים היטב8. מסיבה זו, אופטימיזציה של חלל התערוכה לא צריכה רק להגביר את צפיפות האינטראקציה או את הגירוי הוויזואלי. עליה לתמוך בחוויה מרחבית קוהרנטית, להפחית החלטות מיותרות לגבי נתיבי התנועה ולמזער עייפות שניתן למנוע. יש לנטר גם בחילות סימולטור (Simulator sickness) מכיוון שאי-נוחות עלולה להשפיע הן על בטיחות החשיפה למציאות מדומה והן על פרשנות תוצאות חוויית המשתמש9.
למרות דרישות אלו, פריסות תערוכות רבות עדיין מפותחות על בסיס ניסיונם של מעצבים, התאמות ידניות חוזרות, או תצפית על מבקרים לאחר התערוכה. גישות אלו נותרות בעלות ערך, אך הן מקשות על הערכה של מספר אילוצי פריסה בו-זמנית. תכנון מרחבי עבור תערוכות אימרסיביות ניתן להגדיר כבעיה של אופטימיזציה תחת אילוצים, השוקלת יחד את אורך המסלול, הנראות, הדחיסות, הנוחות והפיזור של האינטראקציות. חישול סימולטיבי (Simulated annealing) מתאים לסוג זה של בעיות כיוון שהוא יכול לסרוק מרחבי פתרונות גדולים ולא סדירים, תוך שהוא מאפשר קבלה מבוקרת של פתרונות ביניים שאינם משפרים את התוצאה, ובכך מסייע לברוח מאופטימום מקומי10. לוגיקת הקבלה שלו עוקבת אחר כלל מטרופוליס11, בעוד שמסגרת מטרופוליס-הסטינגס הכללית יותר מציגה יחס צפיפות הצעות קדימה-אחורה כאשר גרעין ההצעה אינו סימטרי12. במימוש הנוכחי, ארבעת גרעיני ההצעות המותנים הם סימטריים; לכן, גזירה פורמלית מראה כי יחס הסטינגס הוא אחד עבור מהלכים אפשריים הפיכים. כתוצאה מכך, השיטה מתוארת כחישול סימולטיבי אדפטיבי עם קבלה לפי מטרופוליס וחימום מחדש, ולא כדוגם מטרופוליס-הסטינגס נפרד.
גרסאות אדפטיביות של סימולציית הליחום (simulated-annealing) עושות שימוש ממושך בבחירת שכנות לא אחידה, שינוי של לוח הזמנים של הקירור, חימום מחדש, אסטרטגיות אתחול ומרכיבי חיפוש היברידיים13,14. לכן, יש להתייחס למימוש הנוכחי כתצורה ספציפית ליישום ולא כאל פרימיטיב מטא-היוריסטי חדש. תרומתו היא הצימוד המפורש של לוח זמנים להצעת ארבעה מהלכים התלוי בשלב וחימום מחדש, עם מגבלות היתכנות ספציפיות לתערוכה, פונקציית עלות מרחבית רב-מרכיבית שקופה, ותיקוף במציאות מדומה ברמת המשתתף15. מיצוב צר זה מבדיל באופן ישיר את זרימת העבודה הנוכחית מטענות לעקרון אופטימיזציה חדש מיסודו. בחירת הצעות תלויה בשלב הייתה אמורה להסיט את החיפוש מחקירה רחבה של רצפים/נתיבים לזינוק מרחבי מקומי, בעוד שחימום מחדש החזיר את ניידות החיפוש לאחר קיפאון. איזון זה בין חקירה לניצול (exploration–exploitation) היה אמורה להפחית לכודות מוקדמות במינימום מקומי ולהגביר את הסבירות להגעה למערך היתכנות בעלות נמוכה יותר במסגרת אותו תקציב איטרציות נומינלי.
מחקר זה מציע זרימת עבודה שמישהנית המשלבת סימולציית התקררות 適אפטיבית (adaptive simulated annealing), בחירת הצעות תלוית-שלב, בקרת חימום מחדש, מודל עלות מרחבית רב-רכיבי, והערכה של משתתפים בסביבת מציאות מדומה. התרומה המתודולוגית היא מכוונת-יישום וממוקדת-שחזור, ולא טענה לעקרון אופטימיזציה חדש מיסודו16. השיטה משווה בין פריסה ידנית, פריסת סימולציית התקררות סטנדרטית, ופריסת סימולציית התקררות אדפטיבית עם חימום מחדש, בסביבת תערוכה מבוקרת של מציאות מדומה. המחקר בוחן הן תוצאות אלגוריתמיות והן תוצאות ברמת המשתתף, כולל עלות מרחבית סופית, אחוז שיפור, נוכחות (presence), בהירות ניווט, שביעות רצון, עומס קוגניטיבי, מרחק הליכה, מספר היססויות, זמן שהייה וכיסוי במפות חום. ההשערה המרכזית הייתה שהשיטה האדפטיבית תשיג עלות מרחבית סופית נמוכה יותר מאשר סימולציית התקררות סטנדרטית; ברמת המשתתף, הפריסה התואמת הייתה צפויה לשפר את שביעות הרצון הכללית ואת תוצאות יעילות הנתיב ביחס לפריסות הידניות ואלו של סימולציית ההתקררות הסטנדרטית. מסגור זה עוקב אחר הלוגיקה הרחבה של שיטות תכנון מטא-היוריסטיות, שבהן החיפוש החישובSupports תומך בשיקול הדעת התכנוני האנושי ולא מחליף אותו17.
פרוטוקול
פרוטוקול המחקר נסקר על ידי אוניברסיטת החקלאות של הנאן ונקבע כי הוא פטור מסקירה אתית רשמית ב-20 בדצמבר, 2025. הגוף הסוקר לא הנפיק מספר ייחוס נפרד לאישור אתי או לפטור. הסכמה מדעת בכתב התקבלה מכל המשתתפים לפני הגיוס למחקר.
הכנת המשתתפים
גויסו משתתפים בוגרים בגילאי 18–60 שנים עם ראייה נורמלית או ראייה תקינה לאחר תיקון. משתתפים שדיווחו על הפרעות וסטיבולריות חמורות, אפילפסיה לא מאוזנת, לקות ראייה חמורה, ניתוח משמעותי שהתרחש לאחרונה, או אי-נוחות קשה בעבר במהלך חשיפה למציאות מדומה, הוצאו מהמחקר. כל משתתף מילא טופס סינון לפני הניסוי. קבוצת גיל, מגדר, רמת השכלה, ניסיון קודם במציאות מדומה ותדירות ביקורים קודמת במוזיאונים או בתערוכות תועדו כמשתני בקרה.
המשתתפים הוקצו לאחד משלושה תנאי פריסה באמצעות רשימת רנדומיזציה שהופקה במחשב: פריסה ידנית, פריסת simulated annealing סטנדרטית, או פריסת adaptive simulated annealing עם reheating. נעשה שימוש במערך בין-נבדקי כדי למנוע אפקטים של למידה בין הפריסות השונות. יחס ההקצאה נקבע ל-1:1:1, כאשר 60 משתתפים הוקצו לכל תנאי, ובסך הכל 180 משתתפים. קבוצת גיל, מגדר, רמת השכלה, ניסיון קודם במציאות מדומה ותדירות ביקורים במוזיאונים/תערוכות תועדו לפני ההקצאה לצורך הערכה תיאורית של מאפייני המשתתפים; משתנים אלה לא שימשו כקריטריונים להדרה לאחר הרנדומיזציה.
הכנת מודל של חלל התערוכה
הוקם אולם תערוכה אימרסיבי מלבני בממדים של 36 m x 24 m עם גובה תקרה של 4.5 m. שטח הרצפה הכולל השמיש נקבע ל-864 m2. כניסה אחת ויציאה אחת מוקמו בצדדים הקצרים הנגדיים של האולם. רוחב הכניסה והיציאה נקבע ל-3.0 m ונשאר קבוע בכל תנאי הפריסה.
אולם התערוכה חולק לשישה אזורי תערוכה תמטיים, שני מסדרונות מעבר, אזור מנוחה אחד ומסלול ביקור מרכזי אחד. השטח המותר לכל אזור תמטי נקבע ל-80–130 m2, וההקצאה לאזור המנוחה נקבעה ל-40 m2. רוחב הנתיב המרכזי המותר נקבע ל-1.8–3.5 m. שמונה עד שנים-עשר צמתי אינטראקציה הוצבו בכל תכנית. כל צומת אינטראקציה הוגדר כנקודה שבה משתתפים יכולים לעצור, להפעיל תוכן דיגיטלי, לצפות במוצג או לשנות כיוון.
תוכנית הקומה חולקה לתאי רשת בגודל 0.5 m x 0.5 m. הרשת שימשה לניתוח נראות, לבדיקת רציפות נתיבים, לחישוב כיסוי מפת חום ולהערכת צפיפות מקומית. כל אזור תמטי יוצג על ידי קואורדינטות המרכז שלו, פוליגון הגבולה, השטח ומיקומו ברצף הנתיב. כל צומת אינטראקציה יוצג על ידי הקואורדינטות שלו, האזור המשויך אליו, רדיוס ההפעלה ושטח הפנוי.
התצורה המרחבית נחשבה למשתנה העיקרי בתכנון, מכיוון שפריסת התערוכה, הנראות ומבנה הנתיב משפיעים על תנועת המבקרים, הניווט וההכרה המרחבית18. זרימת העבודה המלאה, החל מבניית המודל המרחבי ועד לאופטימיזציה של הפריסה, יישום הסצנה הווירטואלית, בדיקת המשתתפים והניתוח הסטטיסטי, מוצגת ב איור 1.
פרמטרי פריסה ואילוצי היתכנות
אותם אילוצי היתכנות הוחלו על כל תנאי הפריסה. ראשית, כל האזורים התמטיים נדרשו להישאר בתוך הגבול של 36 m x 24 m. שנית, לא הותר לאזורים התמטיים לחפוף זה לזה. שלישית, מסלול המבקרים הראשי נדרש לחבר בין הכניסה, שישה אזורים תמטיים, אזור מנוחה והיציאה ללא הפרעה. רביעית, צמתי אינטראקציה לא היו רשאים לחסום את הנתיב הראשי. חמישית, כל צומת אינטראקציה נדרש לשמור על רדיוס פינוי של לפחות 1.2 m. שישית, הצפיפות המקומית החזויה בנתיב הראשי נדרשה שלא לעלות על 1.50 persons/m2. שביעית, המסלול הסופי נדרש שלא להכיל מבויים או תתי-נתיבים מנותקים.
אותו קנה מידה של סצנה, כללי ניתוב, יעדים סביבתיים והגדרות אינטראקציה שימשו בשלושת תנאי הפריסה. לפני הרצת אלגוריתמי האופטימיזציה, תועדו ממדי האולם, פרמטרי האזורים הפונקציונליים, טווח רוחב הנתיבים, הגדרות צומת-האינטראקציה, ספי הפגישות, הגדרות המציאות המדומה, משקלי פונקציית המטרה, פרמטרי האלגוריתם והגדרות התוצאות. פרמטרים אלו הגדירו את הגבול הניתן לשחזור של הפרוטוקול והם מסוכמים בטבלה 1.
פונקציית עלות מרחבית
כל פריסה מועמדת הוערכה באמצעות פונקציית עלות מרחבית משוקללת:
כאשר F(x) היא העלות המרחבית הכוללת של פריסה x. Cdistance(x) היא עלות מרחק ההליכה, Cvisibility(x) היא עלות הנגישות החזותית, Ccrowding(x) היא עלות הצפיפות, Ccomfort(x) הוא קנס הנוחות הסביבתית, ו-Cinteraction(x) הוא קנס איזון האינטראקציה. ערך F(x) נמוך יותר מעיד על פריסה מיטבית יותר.
עלות מרחק ההליכה חושבה באופן הבא:
כאשר Lx הוא אורך המסלול הכולל של פריסה x במטרים. נעשה שימוש באורך מסלול מרבי של 120 m כנקודת ייחוס.
עלות הנגישות הוויזואלית חושבה באופן הבא:
כאשר Vx הוא חזית אזור התמה הנראית מהנתיב הראשי, ו-Vtotal הוא אורך החזית הכולל של כל אזורי התמה. קרני קו ראייה הופעלו בכל 0.5 m לאורך נתיב המבקרים. מחיצות תערוכה, קירות וגבולות אזורים נחשבו כאובייקטים חוסמים.
עלות הצפיפות חושבה באופן הבא:
Ccrowding(x) = min(Dmax / 1.50, 1)
כאשר Dmax הוא הצפיפות המקומית המקסימלית החזויה ביחידות של persons/m2. סף צפיפות עליון של 1.50 persons/m2 שימש עבור הנתיב הראשי.
הפיצוי בגין נוחות סביבתית חושב באופן הבא:
קנס העוצמה (illuminance penalty) נקבע כ:
הקנס על לחץ הסאונד נקבע כך:
הקנס על פליטת הפחמן הדו-חמצני נקבע כ:
קנס הטמפרטורה נקבע כך:
קנס מאזן-האינטראקציה חושב באופן הבא:
כאשר sk הוא מרחק הנתיב בין שני צמתי אינטראקציה סמוכים. ערך נמוך יותר מעיד על התפלגות אחידה יותר של הזדמנויות אינטראקציה לאורך נתיב המבקר.
נוחות סביבתית נכללה מאחר שתאורה, קול, איכות האוויר וטמפרטורה משפיעים על עייפות, נוחות והנכונות להישאר בסביבות תערוכה19. הטווחים הסביבתיים הם יעדי בקרה של הפרוטוקול ולא מגבלות רגולטוריות אוניברסליות. רצועת עדירות האור של 300–500 lx תואמת את ההנחיות הנוכחיות לבנייה ולתאורת מוזיאונים בסין; יעד הפחמן הדו-חמצני של <900 ppm הוא שמרני יותר במכוון מגבלה הממוצע היומי של 1,000 ppm ב-GB/T 18883-202220,21; רצועת הטמפרטורה של 22–25 °C היא בתוך תנאי נוחות תרמית המקובלים בדרך כלל עבור שוהים בעלי פעילות מתונה22; ו-45–60 dB(A) משמש כרצועת קול סביבתית מבוקרת ולא כמגבלה סטטוטורית לרעש פנימי23,24.
משקלי פונקציית המטרה נבחרו כעדיפויות תכנון מפורשות וספציפיות לתרחיש, ולא כמקדמים אוניברסליים או הערכות העדפה שהותאמו מתוצאות של משתתפים. מרחק ההליכה והצפיפות קיבלו כל אחד משקל של 0.25, כיוון שיעילות המסלול ובקרת הגודש נחשבו לשני האילוצים התפעוליים העיקריים; נגישות חזותית קיבלה 0.20, כיוון שהנראות משפיעה על ההתמצאות ועל החשיפה לתערוכות; נוחות סביבתית ואינטראקציה קיבלו כל אחת 0.15, כדי שגורמים אלו ישפיעו על החיפוש מבלי להוביל על המונחים הקשורים לתנועה. כיוון שעדיפויות התערוכה עשויות להשתנות בהתאם להקשר, הפרוטוקול בוחן את חוסנו של המשקל המקומי על ידי שינוי של כל משקל ב-±10% באופן פרטני, ונורמליזציה פרופורציונלית של שאר המשקלים כך שהסכום הכולל יישאר 1.00. לפיכך, יש לפרש את המקדמים שהתקבלו כהגדרות תכנון ספציפיות לפרוטוקול, שניתן לכייל מחדש עבור תערוכות אמנותיות, היסטוריות, מדעיות או מסחריות.
יצירת פריסה ידנית
הפריסה הידנית נוצרה כתנאי בסיס. ששת האזורים התמטיים סודרו ברצף נרטיבי קונבנציונלי מהכניסה ועד ליציאה. אזור המנוחה מוקם בקרבת החלק המרכזי של המסלול. רוחב נתיב המעבר הראשי הראשוני נקבע ל-2.2 m. צמתי אינטראקציה הוכנסו בקרבת הכניסה לכל אזור תמטי ובנקודות פנייה מרכזיות במסלול. הפריסה הידנית נבדקה אל מול כל מגבלות ההיתכנות. גבולות האזורים הותאמו רק כאשר הופרה מגבלה כלשהי. לאחר שהפריסה הפכה להיתכנית, נרשמו אורך המסלול הכולל, יחס החזית הנראית, צפיפות מקומית מקסימלית, קנס נוחות סביבתית, מקדם מרווח אינטראקציה ועלות מרחבית כוללת.
סימולציית חישול סטנדרטית (Standard simulated annealing)
הפריסה הידנית ההיתכנית שימשה כמצב ראשוני. טמפרטורת ההתחלה נקבעה ל-100, מקדם הקירור ל-0.95, מספר האיטרציות המקסימלי ל-1,500, וסף הקיפאון (stagnation threshold) ל-200 איטרציות. האלגוריתם הופעל עם 30 גרעיני אקראיות (random seeds) בלתי תלויים. ערכים אלו היו הגדרות פרוטוקול תפעוליות ששימשו להגדרת תקציב חישובי תואם; הם לא הוצגו כקבועים אוניברסליים מהספרות או כערכים אופטימליים שהותאמו לתוצאות. T₀ = 100 אפשר סריקה רחבה בשלבים המוקדמים, α = 0.95 סיפק קירור הדרגתי, 1,500 איטרציות הקצו לכל הרצה את אותו תקציב חיפוש עליון, וסף הקיפאון של 200 איטרציות מנע המשך ממושך לאחר חוסר שיפור. אותן הגדרות טמפרטורה ומספר איטרציות מקסימלי שימשו גם עבור השיטה האדפטיבית, כדי שההבדלים ייוחסו לתזמון ההצעות ולחימום מחדש ולא לתקציב חיפוש נומינלי גדול יותר.
בכל איטרציה, נוצר פריסה שכנה אחת על ידי ביצוע מהלך אחד: הזזת אזור תמטי אחד ב-0.5–2.0 m, החלפת מיקומי הרצף של שני אזורים תמטיים, התאמת מקטע נתיב אחד ב-0.1–0.3 m, או הזזת צומת אינטראקציה אחת ב-0.5–1.5 m. פריסה מוצעת נדחתה באופן מיידי אם הפרה מגבלת היתכנות כלשהי.
אם הפריסה המוצעת הייתה ישימה והביאה לעלות מרחבית נמוכה יותר, היא התקבלה. אם היא הביאה לעלות מרחבית גבוהה יותר, היא התקבלה בהתאם למשוואת ההסתברות:
כאשר ΔF היא העלייה בעלות המרחבית, ו-T היא הטמפרטורה הנוכחית. הטמפרטורה לאחר כל איטרציה עודכנה באמצעות:
Tnew = 0.95Told
כל הרצה הופסקה כאשר הגיעו למספר האיטרציות המקסימלי או כאשר העלות המרחבית המיטבית לא השתפרה במשך 200 איטרציות רצופות. חישול סימולטיבי (Simulated annealing) נחשב למתאים למשימה זו מכיוון שאופטימיזציה של פריסת תערוכה היא בעיה מרחבית קומבינטורית שלא ניתן לפתור ביעילות באמצעות חיפוש ממצתי.
הסתגלות סימולטיבית (simulated annealing) סטנדרטית שימשה כנקודת הייחוס האלגוריתמית-נומרית העיקרית, כיוון שהיא חלקה את אותו קידוד פריסה, כללי היתכנות, פונקציית מטרה, אתחול, לוח זמנים של טמפרטורה ותקציב חישובי כפי שהיו בתנאי ההסתגלות. הסתגלות סימולטיבית סטנדרטית הייתה המטא-היוריסטיקה הנומרית היחידה ששימשה להשוואה במחקר זה, ולכן שימשה כבסיס השוואה מסוג ablation תואם עבור תזמון ההצעות והחימום מחדש שהתווספו ברמת זרימת העבודה. אלגוריתמים גנטיים, אופטימיזציית נחיל חלקיקים, אופטימיזציית מושבת נמלים ואופטימייזרים מבוססי למידה לא היו חלק מהניסוי; בהתאם לכך, טענות לגבי ביצועים הוגבלו לבסיס ה-standard-SA התואם. עבור כל הרצה, נשמרו ה-random seed, העלות המרחבית הראשונית, העלות המרחבית הסופית, אחוז השיפור, מספר האיטרציות עד לפתרון הטוב ביותר, זמן ההרצה, שיעור הקבלה וסטטוס ההיתכנות. אחוז השיפור חושב באמצעות המשוואה:
סימולציית התקררות אדפטיבית עם חימום חוזר
נעשה שימוש באותו פריסה ראשונית, אילוצי היתכנות, טמפרטורה ראשונית, מקדם קירור, מספר חזרות מקסימלי ו-30 זרעים אקראיים כפי שנעשה בתנאי סימולציית ההתקררות הסטנדרטית. האלגוריתם האדפטיבי נבדל רק בהסתברויות מחלקת המהלכים התלויות בשלב ובכלל החימום החוזר, בעודו שומר על כלל הקבלה של Metropolis הסטנדרטי עבור פריסות מועמדות היתכנות. הוגדרו ארבע מחלקות מהלכים מוצעות: הזזה מקומית (L), החלפת רצף אזורים (S), התאמת רוחב נתיב (W), ושינוי מיקום צומת אינטראקציה (N). במהלך 40% הראשונים של החזרות, הסתברויות מחלקת המהלכים נקבעו ל- pL = 0.20, pS = 0.35, pW = 0.30, ו- pN = 0.15. במהלך 60% האחרונים, הן נקבעו ל- pL = 0.35, pS = 0.15, pW = 0.20, ו- pN = 0.30. שינוי זה בתדירות מחלקת המהלכים העתיק את החיפוש מחקר רחב יותר של רצפים/נתיבים לעבר זיכוך מרחבי מקומי והתאמה של צומתי אינטראקציה.
באיטרציה t, צפיפות ההצעה המלאה בוטאה כ- q(x′|x,t) = pm(t)qm(x′|x), כאשר m ∈ {L,S,W,N} ייצג את מחלקת התזוזה שנבחרה ו- pm(t) ייצג את ההסתברות הספציפית לשלב זה. עבור תזוזה מקומית, אחד משש האזורים התמטיים נבחר באופן אחיד, כיוון התזוזה נבחר באופן אחיד בטווח [0,2π), ועוצמת התזוזה נבחרה באופן אחיד בטווח [0.5,2.0] m; לפיכך, qL היה פרופורציונלי ל- (1/6)(1/2π)(1/1.5). עבור החלפת רצף אזורים, אחד מ-15 זוגות האזורים הבלתי מסודרים נבחר באופן אחיד, מה שהביא ל- qS = 1/15. עבור התאמת רוחב נתיב, אחד מ- J מקטעי הנתיב הניתנים להתאמה נבחר באופן אחיד, ושינוי עם סימן נבחר באופן אחיד מתוך [−0.3,−0.1] ∪ [0.1,0.3] m, מה שהביא ל- qW = (1/J)(1/0.4). עבור מיקום מחדש של צומת אינטראקציה, אחד מ- K צומתי האינטראקציה הנוכחיים נבחר באופן אחיד, כיוון נבחר באופן אחיד בטווח [0,2π), ועוצמת התזוזה נבחרה באופן אחיד בטווח [0.5,1.5] m, מה שהביא ל- qN פרופורציונלי ל- (1/K)(1/2π)(1/1.0). הצעות שהביאו להפרה של אילוצים נדחו ותרמו למעבר עצמי.
עבור כל מהלך הפיך בר-ביצוע במימוש זה, גרעין ההצעה המותנה היה סימטרי: qm(x′|x) = qm(x|x′). מכיוון שאותה הסתברות של מחלקת-מהלכים ספציפית לשלב, pm(t), הוחלה על המעבר קדימה ואחורה באיטרציה נתונה, התקיים q(x|x′,t)/q(x′|x,t) = 1. לכן, הסתברות הקבלה מצומצמת לכלל מטרופוליס הסטנדרטי של חישול סימולטיבי (simulated annealing), A(x→x′) = min{1, exp[−(C(x′)−C(x))/T]}. לא הוחל תיקון הייסטינגס (Hastings correction) לא טריוויאלי; לפיכך, השיטה מכונה חישול סימולטיבי אדפטיבי עם חימום מחדש (adaptive simulated annealing with reheating) ולא דוגם מטרופוליס-הייסטינגס25.
חימום מחדש (Reheating) הופעל כאשר העלות המרחבית המיטבית לא השתפרה במשך 150 איטרציות רצופות, ובכך התערבנו במכוון לפני עצירת הקיפאון לאחר 200 איטרציות המשמשת בסימולציה של חישול (simulated annealing) סטנדרטית. הטמפרטורה הנוכחית הועלתה ב-10%, ואפשרו עד 3 אירועי חימום מחדש לכל הרצה. נשמרו אותם משתני ביצועי-אלגוריתם כפי שנשמרו בתנאי הסימולציה של החישול הסטנדרטית. הניסוי העריך את השילוב של לוח זמני הצעות תלוי-שלב יחד עם תצורת החימום מחדש, ולכן לא העריך את התרומה הסיבתית העצמאית של כל רכיב בנפרד. פסאודו-קוד שלבי עבור רצף ההצעות המדויק, הסבירות (feasibility), קבלת מטרופוליס (Metropolis acceptance), עדכון הטמפרטורה, החימום מחדש ואחסון הפלט סופקו ב-קובץ משלים 3.
Treheated = 1.10Tcurrent
פריסות סופיות
פריסה סופית אחת נבחרה עבור כל תנאי. עבור התנאי הידני, נעשה שימוש בפריסה הידנית ההוגנת. תחת תנאי ההשחזה הסימולטיבית הסטנדרטית, נבחרה ההרצה עם העלות המרחבית הסופית הנמוכה ביותר מבין 30 ההרצות. עבור תנאי ההשחזה הסימולטיבית האדפטיבית עם חימום מחדש, נבחרה ההרצה ההוגנת בעלת העלות המרחבית הסופית הנמוכה ביותר מבין 30 ההרצות. לפני ייצוא הפריסות שנבחרו, בדיקת היתכנות סופית אישרה כי כל האזורים נמצאו בתוך הגבול, ששום אזור אינו חופף לאחר, שהמסלול היה רציף, שהכניסה והיציאה נותרו ללא שינוי, שהמרווח בין צמתי האינטראקציה היה לפחות 1.2 m, שהדחיסות המקסימלית נותרה מתחת ל-1.50 persons/m2, וכי ניתן היה להגיע לכל האזורים התמטיים מהמסלול הראשי.
סצנות תערוכה וירטואליות
שלוש סצנות תערוכה וירטואליות נבנו ב-Unity 2022.3.22f1 LTS (Unity Technologies) באמצעות XR Interaction Toolkit 2.5.4. הסצנות הוצגו באמצעות משקפי מציאות מדומה Meta Quest 2 (Meta Platforms) תוך שימוש במעקב עם שש דרגות חופש (six-degree-of-freedom) עבור הראש והבקרים. תוכן התערוכה, הסגנון הוויזואלי, מודלי האובייקטים, סגנון השילוט, נכסי התאורה, הסאונד הסביבתי, מנגנון האינטראקציה והוראות הניווט נשארו זהים בשלוש הסצנות. רק הסידור המרחבי, רצף המסלול, רוחב הנתיב ומיקום צמתי האינטראקציה השתנו.
גובה המצלמה הווירטואלית נקבע על 1.65 m, ומהירות ההליכה נקבעה על 1.2 m/s. אפשרות הטלפורטציה בוטלה. נעשה שימוש באותו טריגר התחלה בכניסה ובאותו טריגר סיום ביציאה. רדיוס הטריגר של צומת האינטראקציה נקבע על 1.0 m. נרשם האם כל צומת אינטראקציה ביקרו בו.
ששת התכנים התמטייםים העמיים שימשו בכל הסצנות. כל נושא הוקצה לאזור המתאים לו, ללא קשר לתנאי הפריסה. גובה הקירות, סגנון המחיצות, גודל תצוגת המדיה, צפיפות הטקסט וקנה המידה של חפצי התערוכה נשמרו קבועים. סביבות מציאות מדומה נחשבו למתאימות לפרוטוקול זה כיוון שהן אפשרו לבחון נוכחות מרחבית, בהירות של נתיב וחוויית המבקר תחת תנאי פריסה מבוקרים26.
החומרה, התוכנה, כלי הניטור הסביבתי, קובצי השאלון/ספר הקודים ומשאבי הניתוח הנדרשים לשחזור הפרוטוקול פירוטו בטבלת החומרים ואורגנו כקבצים משלימים 1–3. משאבי מחקר עם מזהי משאבי מחקר (RRIDs) רשומים פורטו לפי ה-RRID בטבלת החומרים.
מפגש משתתף
כל משתתף נבדק בנפרד. המשתתף ישב למשך 2 min לפני תחילת המפגש. תצוגה המותקנת על הראש הותאמה, והמרחק בין האישונים כוונן בהתאם לנוחות המשתתף. סצנת תרגול של 2 min, שלא הייתה חלק מהתערוכה, סופקה למשתתף. סצנת התרגול שימשה אך ורק כדי להכיר את המשתתף עם התנועה והאינטראקציה.
מכיוון שכל משתתף נבדק בנפרד, צפיפות בפרוטוקול יוצגה על ידי הערכות דחיסות מבוססות מודל ולא על ידי תנועה קבוצתית סימולטנית שנוצרה באופן טבעי. לפיכך, נוכחות סימולטנית של מספר משתמשים, הימנעות בין-אישית ואינטראקציות דינמיות של קהל לא סומללו באופן ישיר, ונלקחו בחשבון בעת פרשנות התוצאות הקשורות לצפיפות.
לאחר התרגול, החל סבב התערוכה שהוקצה. הנחיה ניתן למשתתף להיכנס לתערוכה, לעקוב אחר המסלול באופן טבעי, לקיים אינטראקציה עם צמתי סימון, ולצאת לאחר השלמת כל ששת האזורים הנושאיים. הדרכה נוספת למסלול ניתנה רק אם המשתתף לא התקדם במשך יותר מ-30 s. זמן ההשלמה, זמן השהייה, מרחק ההליכה, מספר מקרי ההססנות, ביקורים בצמתי אינטראקציה וקוואורדינטות המסלול תועדו באופן אוטומטי.
הסשן הסתיים כאשר המשתתף הגיע לטריגר היציאה. התצוגה המותקנת על הראש הוסרה, והמשתתף קיבל אפשרות לנוח במשך 3 min. המשתתף מילא את שאלון סוף החוויה מיד לאחר תקופת המנוחה.
תוצאות התנהגותיות, סביבתיות ותוצאות של שאלונים
זמן ההשלמה הוגדר כזמן שחלף מרגע הפעלת טריגר הכניסה ועד להפעלת טריגר היציאה. זמן השהייה הוגדר כסך הזמן ששהה הנבדק בתוך אזורים תמטיים ובאזורי צמתי-אינטראקציה. מרחק ההליכה הוגדר כאורך המסלול המצטבר מתוך קואורדינטות המסלול. מספר ההססויות הוגדר כמספר העצירות שארכן יותר מ-3 s מחוץ לאזורי צמתי-אינטראקציה. כיסוי מפת חום חושב באמצעות:
Average illuminance was recorded using a Testo 540 illuminance meter (Testo SE & Co. KGaA), sound pressure level using a Testo 816-1 Class 2 sound level meter (Testo SE & Co. KGaA), carbon-dioxide concentration using a Testo 535 CO₂ measuring instrument (Testo SE & Co. KGaA), and ambient temperature using a Testo 605i thermohygrometer (Testo SE & Co. KGaA). The same monitoring positions were used across the three scene conditions. Illuminance was recorded in lx, sound pressure level in dB(A), carbon dioxide in ppm, and temperature in °C.
נמדדו מדדי נוכחות (Presence) ונוכחות מרחבית (spatial-presence) באמצעות מבנה דירוג של 7 נקודות, כפי שהוגדר בפרוטוקול המחקר. מבנים אלו פורשו בהתבסס על מסגרת שאלון הנוכחות (PQ) המהו validates של Witmer ו-Singer, ועל מסגרת שאלון הנוכחות של Igroup (IPQ) של Schubert ואחרים.27משתני המחקר דווחו כציונים בני 7 נקודות ברמת התחום, ולא כציונים כוללים סטנדרטיים של PQ או IPQ. עבור מחלה ממסך (simulator sickness), נעשה שימוש במסגרת הסימפטומים של שאלון מחלה ממסך (Simulator Sickness Questionnaire), יחד עם משתנה סיכום מחקר שהוגדר מראש בטווח של 0–30; ערכים גבוהים יותר העידו על אי-נוחות רבה יותר. סיכום מחקר זה בטווח 0–30 דווח בנפרד מציון החומרה הכולל המשוקלל והסטנדרטי של ה-SSQ, בהתאם להבחנה בין מוסכמות המדידה של מחלה ממסך לבין דיווחי מחלה ממסך וירטואליים (cybersickness).28איכות האינטראקציה, בהירות הניווט, נוחות חזותית, נוחות אקוסטית, נוחות תרמית, תחושת דחיסות, עומס קוגניטיבי ושביעות רצון כללית נמדדו באמצעות סולמות דירוג בעלי 7 דרגות, רב-סעיפיים וספציפיים למחקר. קובץ משלים 2 תיעדו את מקור המבנה, את טווח הציונים ואת מוסכמות הדיווח עבור כל תחום.
תוצאות המחקר
תוצאת האלגוריתם העיקרית הוגדרה כעלות המרחבית הסופית. תוצאת חוויית המבקר העיקרית הוגדרה כשביעות רצון כללית. תוצאות אלגוריתמיות משניות הוגדרו כאחוז השיפור, מספר האיטרציות עד לפתרון המיטבי, זמן הריצה ושיעור הקבלה. תוצאות חוויית מבקר משניות הוגדרו כנוכחות, נוכחות מרחבית, איכות אינטראקציה, בהירות ניווט, נוחות חזותית, נוחות אקוסטית, נוחות תרמית, צפיפות נתפסת, עומס קוגניטיבי, מחלה ממסך (simulator sickness), זמן השלמה, זמן שהייה, מרחק הליכה, מספר היססויות וכיסוי מפת חום. זמן ההשלמה ומרחק ההליכה שימשו להערכת יעילות המסלול. מספר ההיססויות ובהירות הניווט שימשו להערכת איכות הניווט. נוכחות, נוכחות מרחבית, איכות אינטראקציה וזמן שהייה שימשו להערכת מעורבות אימרסיבית. צפיפות נתפסת, עומס קוגניטיבי, דירוגי נוחות ומחלה ממסך שימשו להערכת נטל חווייתי.
ניקוי נתונים ובקרת איכות
כל רשומות המשתתפים נבדקו לפני הניתוח. אושר כי לכל רשומה יש מזהה משתתף יחיד, תווית מצב אחת, יומני התנהגות וציוני שאלונים מלאים, וללא מזהים כפולים. דירוגי נוכחות, נוכחות מרחבית וחוויות ספציפיות למחקר הוגבלו לטווחים שהוגדרו להם, 1–7. משתנה סיכום מחקר בחולת סימולטור הוגבל לטווח שנקבע מראש, 0–30. קובץ השאלון/ספר הקודים נבדק כדי לוודא שהוא מתעד את מקור המבנה, טווח התגובות, בניית התחום והגדרות הציון הנגזר ששימשו בניתוח.
רשומת משתתף נשללה אם הסשן לא הושלם, זמן ההשלמה היה פחות מ-3 min או יותר מ-25 min, כיסוי המפת-חום (heatmap) היה פחות מ-10%, יומן המסלול היה חסר או לא תקין מבחינה טכנית, מרחק ההליכה היה פחות מ-20 m בשילוב עם רשומת מסלול חסרה/לא תקינה, או אם המשתתף ביקש להפסיק את ההשתתפות מוקדם. לא הוחלה סף עליון למרחק ההליכה; מרחק ההליכה נשמר כתוצאה רציפה של המחקר לאורך כל הטווח הנצפה התקין. הרצה של אלגוריתם נשללה מבחירת הפריסה אם היא הפרה הגבלה כלשהי של היתכנות. זרעים אקראיים (random seeds), קבצי פריסה, פלטי אלגוריתמים, קבצי שאלון/ספר קודים וסקריפטים של ניתוח נשמרו לצורך הדירות (reproducibility). שמירת הזרעים האקראיים הייתה נחוצה מכיוון שפלטים של אופטימיזציה סטוכסטית עשויים להשתנות בהתאם לאתחול ולהתנהגות ההצעות29.
ביצועי האלגוריתם
נותחו 30 הרצות סטנדרטיות של simulated annealing ו-30 הרצות של adaptive simulated annealing עם reheating. עלות מרחבית ראשונית, עלות מרחבית סופית, אחוז שיפור, מספר איטרציות עד לפתרון מיטבי, זמן ריצה ושיעור קבלה סוכמו כממוצע ± סטיית תקן (SD), ומרווחי סמך של 95% דווחו עבור ממוצעי הקבוצות וההבדלים בין האלגוריתמים.
הנורמליות הוערכה באמצעות תרשימי שניות-שניות (Q-Q plots) ומבחן שפירו-וילק (Shapiro-Wilk). הומוגניות השונות הוערכה באמצעות מבחן לווין (Levene's test). שני התנאים האלגוריתמיים הושוו באמצעות מבחני t למדגמים בלתי תלויים כאשר הנחות היסוד התקיימו. מבחני Mann-Whitney U שימשו כאשר הנחות היסוד לא התקיימו. דווחו ערכי p דו-זנביים, רווחי סמך של 95% וגדלי אפקט. ערך ה-Cohen's d חושב באמצעות המשוואה
כאשר:
לביצוע השוואות לא-פרמטריות נעשה שימוש במתאם רанг-ביסריאלי (Rank-biserial correlation). ניתוח רגישות בוצע על ידי שינוי משקלו של כל פונקציית מטרה ב-±10% באופן פרטני, תוך נורמליזציה פרופורציונלית של ארבעת המשקלים הנותרים כך שהסכום הכולל יישאר 1.00. העלות המרחבית הסופית ואחוז השיפור חושבו מחדש עבור כל וקטור משקלים חלופי. ההשוואה האלגוריתמית נחשבה ליציבה כאשר בשיטת ההשמה סימולטיבית אדפטיבית עם תנאי חימום מחדש (adaptive simulated annealing with reheating) נשמרה עלות מרחבית סופית נמוכה יותר לאורך הגדרות המשקלים החלופיות.
ניתוח תוצאות המשתתפים
תוצאות המשתתפים בשלושת תנאי הפריסה נותחו באמצעות IBM SPSS Statistics 27.0 (IBM Corp.). משתנים רציפים דווחו כממוצע ± SD, ומשתנים קטגוריאליים דווחו כמספרים ואחוזים. נורמליות נבחנה באמצעות תרשימי Q-Q ומבחן Shapiro-Wilk. הומוגניות של השונות נבחנה באמצעות מבחן Levene. ניתוח שונות חד-כיווני (ANOVA) שימש עבור תוצאות בעלות התפלגות נורמלית והומוגניות שונות מקובלת. Welch's ANOVA שימש כאשר הנחת הומוגניות השונות לא התקיימה. מבחני Kruskal-Wallis שימשו עבור תוצאות שאינן בעלות התפלגות נורמלית.
השוואות זוגיות נערכו בין הפריסה הידנית, פריסת simulated annealing סטנדרטית ופריסת adaptive simulated annealing עם reheating. שלוש ההשוואות הזוגיות בתוך כל תוצאה הותאמו באמצעות שיטת Holm. רווחי סמיכות של 95% דווחו יחד עם ערכי p מותאמים. עבור ANOVA סטנדרטי דווח eta-squared, עבור Welch's ANOVA דווח omega-squared, עבור מבחני Kruskal-Wallis דווח epsilon-squared, ועבור השוואות זוגיות דווחו הפרשי ממוצעים סטנדרטיים. כניתוח חוסן משלים, חושבו ניגודי Welch זוגיים מתוך ממוצע הקבוצה, SD ו-n = 60 לקבוצה. חושבו מעלות חופש של Welch, ערכי p דו-צדדיים, ערכי p מותאמי Holm, רווחי סמיכות של 95% להפרשי ממוצעים ו-Hedges g. ניתוח משלים זה השתמש בסטטיסטיקה ברמת הקבוצה והוצג ב-טבלה משלימה 1.
ההשוואה הרנדומלית בין שלוש קבוצות ביחס של 1:1:1 שימשה כניתוח עיקרי. קבוצת גיל, מגדר, רמת השכלה, ניסיון קודם במציאות מדומה ותדירות ביקורים במוזיאונים/תערוכות תועדו לפני ההקצאה כדי לאפיין את המדגם ולזהות חוסר איזון בולט. הניסוי לא תוכנן ולא בעל עוצמה סטטיסטית לבדיקות אינטראקציה של תתי-קבוצות, ולא נכלל מודל ממתנים שנקבע מראש; לכן, מאפיינים אלה נחשבו כמשתנים הקשריים ולא כממתנים מוכחים. הקצאה רנדומלית סיפקה בקרה מבוססת עיצוב על מאפייני הבסיס, בעוד שהשפעה שיורית של היכרות מוקדמת עם VR נשמרה במפורש כמגבלה. Eta-squared חושב באמצעות
ערך ה-Epsilon-squared עבור מבחני Kruskal-Wallis חושב באופן הבא:
כאשר H הוא הסטטיסטי של מבחן Kruskal-Wallis, k הוא מספר הקבוצות, ו-n הוא גודל המדגם הכולל.
שביעות רצון כללית, תחושת נוכחות, בהירות הניווט, תחושת צפיפות, עומס קוגניטיבי, זמן השלמה, מרחק הליכה, מספר ההססויות וכיסוי מפת חום קיבלו עדיפות בפירוש התוצאות, מכיוון שמשתנים אלו שיקפו באופן ישיר את היעילות המרחבית ואת חוויית המבקר הסוחפת.
תוצאות
זרימת משתתפים ושלמות הנתונים
סך של 180 משתתפים השלימו את ניסוי התערוכה האימרסיבית ונכללו בניתוח הסופי. שלושת תנאי הפריסה היו מאוזנים, כאשר 60 משתתפים הוקצו לפריסה ידנית, 60 לפריסת simulated annealing סטנדרטית, ו-60 לפריסת adaptive simulated annealing עם reheating. אף רשומת משתתף לא הוצאה מהניסוי לאחר בקרת איכות הנתונים. כל יומני ההתנהגות וציוני השאלונים שלאחר החוויה היו מלאים. מדידות סביבתיות תועדו כבדיקות בקרת ניסוי ולא כתוצאות של המשתתפים; אותן עמדות ניטור ואותם טווחים מטרות שנקבעו מראש שימשו בכל שלושת תנאי הסצנה, ומשתנים אלו לא נכללו בניתוח ההסקי המקשר בין התנאים.
הניתוח הסופי כלל 180 רשומות של מפגשי משתתפים ו-60 הרצות של אלגוריתמים משני תנאי האופטימיזציה. הפריסה הידנית שימשה כקו הבסיס שאינו אופטימלי. תנאי ההרשמה המדומה (simulated annealing) הסטנדרטית וההרשמה המדומה האדפטיבית עם חימום מחדש כללו כל אחד 30 הרצות אופטימיזציה בלתי תלויות. התוצאים האלגוריתמיים, ההתנהגותיים ותוצאים של השאלונים מסוכמים בטבלה 2.
מהימנות השאלון והתפלגות הציונים
לפני השוואת תנאי הפריסה, נבדקה העקביות הפנימית של תחומי השאלון הרב-סעיפי. תחומי השאלון הראו מהימנות מקובלת עד טובה, עם ערכי Cronbach’s alpha שנעו בין 0.78 ל-0.91. נוכחות, נוכחות מרחבית, איכות האינטראקציה, בהירות הניווט, דירוגי נוחות, עומס קוגניטיבי ושביעות רצון כללית עמדו כולם בסף המהימנות שהוגדר מראש של 0.70.
התפלגויות הציונים נסקרו אף הן לפני השוואת הקבוצות. לא נצפתה השפעת תקרה או השפעת רצפה משמעותית עבור תוצאת חוויית המבקר העיקרית. שביעות רצון כללית, נוכחות, בהירות התמצאות ועומס קוגניטיבי הראו שונות מספקת בין שלושת תנאי הפריסה. ציוני בחילות הסימולטור היו בעלי התפלגות מוטה ימינה, כפי שצופה בחשיפה למציאות מדומה למשך זמן קצר, ולכן הם פורשו לצד בדיקות התפלגות ובדיקות רגישות לא-פרמטריות.
ביצועי האלגוריתם
אלגוריתם ההשחלה הסימולטיבית האדפטיבית עם חימום מחדש הניב עלות מרחבית סופית נמוכה יותר מאשר השחלה סימולטיבית סטנדרטית. העלות המרחבית הסופית הממוצעת הייתה 0.475 ± 0.019 (95% CI, 0.468–0.482) עבור השחלה סימולטיבית סטנדרטית ו-0.424 ± 0.016 (95% CI, 0.418–0.430) עבור Adaptive SA-R. ההפרש הממוצע בין האלגוריתמים (Adaptive − Standard) היה −0.051 (95% CI, −0.060 to −0.042), עם Welch t = 11.25, p < 0.001, ו-Cohen's d = 2.90.
אחוז השיפור היה גבוה יותר במצב האלגוריתם האדפטיבי: 24.91% ± 3.22% עבור simulated annealing סטנדרטי ו-32.54% ± 3.29% עבור Adaptive SA-R, הפרש ממוצע של +7.63 נקודות אחוז (95% CI, 5.95–9.31; Welch t = 9.07; p < 0.001; d = 2.34). Adaptive SA-R הגיע לפתרון מיטבי ב-722.20 ± 90.19 איטרציות לעומת 925.47 ± 86.38 עבור simulated annealing סטנדרטי, הפרש של −203.27 איטרציות (95% CI, −248.91 עד −157.63; Welch t = 8.92; p < 0.001; d = 2.30).
זמן ההרצה היה ארוך יותר באופן מתון עבור Adaptive SA-R. זמן ההרצה הממוצע עלה מ-47.83 ± 9.42 s ל-55.86 ± 9.49 s, עלייה ממוצעת של 8.03 s (95% CI, 3.14–12.92; Welch t = 3.29; p = 0.002; d = 0.85), המקבילה לעלייה יחסית של 16.8%. שיעור הקבלה עלה מ-0.294 ± 0.045 ל-0.372 ± 0.054, הפרש ממוצע של +0.078 (95% CI, 0.052–0.104; Welch t = 6.08; p < 0.001; d = 1.57). בתמורה, העלות המרחבית הסופית הממוצעת הייתה נמוכה ב-10.7%, ומספר האיטרציות עד הפתרון הטוב ביותר היה נמוך ב-22.0%. הדבר מפורש כעלות חישובית מתונה בתוך גודל הבעיה שנבדקה, ולא כעדות לעליונות חישובית אוניברסלית.
עקומות ההתכנסות הראו כי אלגוריתם ההשחיה הסימולטיבית האדפטיבית עם חימום מחדש הפחית את העלות המרחבית במהירות רבה יותר בשלב החיפוש המוקדם ושמר על מסלול עלות נמוך יותר במהלך איטרציות מאוחרות יותר. לאורך הרצות עצמאיות, האלגוריתם האדפטיבי הראה שונות נמוכה יותר באופן מספרי בעלות המרחבית הסופית; הבדל תיאורי זה לא הוכפף לבדיקת שונות פורמלית נפרדת. תוצאות ביצועי האלגוריתם, כולל עלות מרחבית סופית, אחוז שיפור, מספר האיטרציות עד הפתרון המיטבי, זמן ריצה, קצב קבלה ועקומות התכנסות מייצגות, מוצגות באיור 2.
תוצאות חוויית המבקר
השביעות הכללית הייתה שונה בין שלושת תנאי הפריסה. משתתפים בתנאי הפריסה הידנית דיווחו על ממוצע של 3.59 ± 0.45 (95% CI, 3.47–3.71), בפריסת simulated annealing סטנדרטית על ממוצע של 3.96 ± 0.44 (95% CI, 3.85–4.07), ובפריסת adaptive simulated annealing עם reheating על ממוצע של 4.37 ± 0.31 (95% CI, 4.29–4.45). ההשפעה בין התנאים הייתה גדולה. השביעות הכללית לא הייתה מרכיב בפונקציית העלות המרחבית, ולכן היא אינה מותאמת באופן ישיר על ידי האלגוריתם.
הנוכחות והנוכחות המרחבית עקבו אחר אותה דפוס. הנוכחות עלתה מ-3.77 ± 0.56 בתנאי הפריסה הידני ל-3.99 ± 0.55 בתנאי ההשמה סימולטיבית הסטנדרטי ו-4.28 ± 0.42 בתנאי ההשמה סימולטיבית אדפטיבית עם חימום מחדש. הנוכחות המרחבית עלתה מ-3.75 ± 0.64 ל-3.96 ± 0.63 ו-4.27 ± 0.47 לאורך אותם שלושה תנאים.
איכות האינטראקציה ובהירות הניווט השתפרו גם תחת הפריסות האופטימליות. איכות האינטראקציה עלתה מ-3.74 ± 0.56 בתנאי הפריסה הידנית ל-4.00 ± 0.57 בתנאי ה-simulated annealing הסטנדרטי ו-4.24 ± 0.57 בתנאי ה-adaptive simulated annealing עם חימום מחדש (reheating). בהירות הניווט עלתה מ-3.61 ± 0.58 ל-3.90 ± 0.57 ו-4.17 ± 0.48, בהתאמה.
הפריסות האופטימליות הפחיתו את מדדי החוויה השלילית. תחושת הצפיפות ירדה מ-3.01 ± 0.49 בתנאי הפריסה הידנית ל-2.75 ± 0.55 בתנאי ההלחלה הסימולטיבית (simulated annealing) הסטנדרטית, ול-2.56 ± 0.45 בתנאי ההלחלה הסימולטיבית האדפטיבית עם חימום מחדש. העומס הקוגניטיבי ירד מ-3.21 ± 0.48 ל-2.87 ± 0.52 ול-2.73 ± 0.44. בחילות הסימולטור הייתה הנמוכה ביותר בתנאי הפריסה האדפטיבית, כאשר היא ירדה מ-2.52 ± 0.55 בתנאי הפריסה הידנית ל-2.44 ± 0.58 בתנאי ההלחלה הסימולטיבית הסטנדרטית ול-2.12 ± 0.56 בתנאי ההלחלה הסימולטיבית האדפטיבית עם חימום מחדש.
דירוגי הנוחות הראו שיפורים עקביים אך מתונים יותר. הנוחות הוויזואלית עלתה מ-3.67 ± 0.44 בתנאי הפריסה הידנית ל-3.87 ± 0.44 בתנאי ההיתוך הסימולטיבי (simulated annealing) הסטנדרטי ול-4.07 ± 0.45 בתנאי ההיתוך הסימולטיבי האדפטיבי עם חימום מחדש. הנוחות האקוסטית עלתה מ-3.64 ± 0.52 ל-3.75 ± 0.42 ול-3.97 ± 0.44. הנוחות התרמית עלתה מ-3.69 ± 0.46 ל-3.79 ± 0.32 ול-3.94 ± 0.44. התוצאות העיקריות של חוויית המבקר וההתנהגות מוצגות ב-איור 3.
תוצאות התנהגותיות
נתוני מסלול ההתנהגות תמכו בממצאי השאלון. זמן ההשלמה פחת לאורך שלושת תנאי הפריסה. משתתפים בתנאי הפריסה הידנית נזקקו ל-19.11 ± 2.63 min להשלמת התערוכה, בהשוואה ל-17.42 ± 2.77 min בתנאי simulated annealing סטנדרטי ו-14.93 ± 2.32 min בתנאי adaptive simulated annealing עם reheating.
מרחק ההליכה הראה ירידה דומה. מרחק ההליכה הממוצע היה 234.88 ± 24.34 m בתנאי הפריסה הידנית, 217.95 ± 24.33 m בתנאי ההסתמנות הסימולטיבית (simulated annealing) הסטנדרטית, ו-201.86 ± 23.47 m בתנאי ההסתמנות הסימולטיבית האדפטיבית עם חימום מחדש. גם מספר ההססויות פחת, מ-7.10 ± 1.80 בתנאי הפריסה הידנית ל-5.51 ± 1.79 בתנאי ההסתמנות הסימולטיבית הסטנדרטית ו-4.07 ± 1.99 בתנאי ההסתמנות הסימולטיבית האדפטיבית עם חימום מחדש.
זמן השהייה וכיסוי מפת החום עלו תחת הפריסות האופטימליות. זמן השהייה עלה מ-11.17 ± 2.03 min בתנאי הפריסה הידנית ל-12.24 ± 2.04 min בתנאי ההשחיה הסימולטיבית הסטנדרטית ו-13.39 ± 2.28 min בתנאי ההשחיה הסימולטיבית האדפטיבית עם חימום מחדש. כיסוי מפת החום עלה מ-66.18% ± 9.40% ל-74.14% ± 7.93% ו-84.40% ± 9.47%, בהתאמה.
ממצאים אלו מעידים על כך שהפריסה האדפטיבית לא פשוט קיצרה את המסלול. היא הפחיתה תנועה לא יעילה והססנות, תוך שהיא מגבירה את זמן השהייה ואת הכיסוי המרחבי.
פריסה מרחבית והתפלגות מסלולים
הפריסות המותאמות הראו הבדלים ניכרים בארגון הנתיבים ובכיסוי המרחבי. בהשוואה לפריסה הידנית, פריסת ההשבה הסימולטיבית (simulated annealing) הסטנדרטית הפחיתה פניות מיותרות במסלול ושיפרה את הרצף בין האזורים התמטיים. הפריסה באמצעות השבה סימולטיבית אדפטיבית עם חימום חוזר (reheating) הניבה התפלגות מאוזנת יותר של אזורי התערוכה וצמתי האינטראקציה, עם פחות נקודות עומס מקומיות לאורך המסלול הראשי.
מפות החום של המסלולים הראו כי משתתפים בתנאי הפריסה האדפטיבית כיסו חלק גדול יותר של אולם התערוכה, תוך שמירה על מרחקי הליכה קצרים יותר ופחות מופעי היסוס. בתנאי הפריסה הידנית, המסלולים היו מרוכזים יותר סביב מספר נקודות פנייה ואזורי מעבר. תחת תנאי simulated annealing סטנדרטיים, התפלגות המסלולים הפכה לרציפה יותר אך עדיין הראתה מספר אזורים מקומיים של תנועה חוזרת. תחת adaptive simulated annealing עם חימום מחדש (reheating), דפוס המסלול היה רחב יותר ומפוזר באופן אחיד יותר ברחבי חלל התערוכה. הפריסות המרחביות ומפות החום של מסלולי המבקרים מוצגות ב איור 4.
השוואה סטטיסטית של תוצאות המשתתפים
השוואות בין קבוצות הראו הבדלים ברורים בין התנאים בתוצאות הראשוניות ובתוצאות המשניות העיקריות. רמת שביעות הרצון הכללית הייתה שונה באופן מובהק בין התנאים, כאשר הציון הגבוה ביותר נצפה בתנאי ההשחיה סימולטיבית אדפטיבית עם חימום מחדש. כיסוי מפת חום, זמן השלמה, מספר ההססויות, מרחק הליכה, בהירות ניווט ותחושת נוכחות הראו אף הם השפעות חזקות בין התנאים.
ההשפעות הגדולות ביותר נצפו עבור כיסוי מפת חום, שביעות רצון כללית, מספר ההססויות וזמן ההשלמה. כיסוי מפת חום הראה השפעה גדולה בין התנאים, עם η2 = 0.413. גם שביעות הרצון הכללית הראתה השפעה גדולה, עם η2 = 0.386. מספר ההססויות וזמן ההשלמה הראו השפעות גדולות, עם η2 = 0.311 ו-η2 = 0.311, בהתאמה. מרחק ההליכה הראה השפעה בינונית עד גדולה, עם η2 = 0.242.
ניתוחי רגישות זוגיים תמכו בהשוואות העיקריות בין שלוש הקבוצות. בהשוואה ל-simulated annealing סטנדרטי, Adaptive SA-R הגביר את השביעות הרחון הכללית ב-0.41 נקודות (95% CI, 0.272–0.548; p מתוקנן לפי Holm < 0.001; Hedges g = 1.07), את תחושת הנוכחות ב-0.29 (95% CI, 0.113–0.467; p מתוקנן = 0.003; g = 0.59), ואת בהירות הניווט ב-0.27 (95% CI, 0.079–0.461; p מתוקנן = 0.012; g = 0.51). הוא הפחית את זמן ההשלמה ב-2.49 min (95% CI, −3.414 to −1.566; p מתוקנן < 0.001; g = −0.97), את מרחק ההליכה ב-16.09 m (95% CI, −24.733 to −7.448; p מתוקנן < 0.001; g = −0.67), ואת מספר ההססויות ב-1.44 (95% CI, −2.124 to −0.756; p מתוקנן < 0.001; g = −0.76), תוך הגברת כיסוי מפת החום ב-10.26 נקודות אחוז (95% CI, 7.101–13.419; p מתוקנן < 0.001; g = 1.17). הצפיפות הנתפסת הייתה נמוכה ב-0.19 נקודות (95% CI, −0.372 to −0.008; p מתוקנן = 0.041; g = −0.38), וסיכום מחקר בחילות הסימולטור (simulator-sickness) בטווח 0–30 היה נמוך ב-0.32 נקודות (95% CI, −0.526 to −0.114; p מתוקנן = 0.005; g = −0.56). תוצאות ההשוואות השלמות בין שלוש הקבוצות עבור כל מדדי המשתתפים מופיעות ב-Supplementary Table 1.
הנחות ההתפלגות והשונות הוערכו באמצעות תרשימי Q-Q, מבחני Shapiro-Wilk ומבחני Levene לפני בחירת השיטה הפרמטרית שנקבעה מראש או החלופה הרובסטית. לבדיקת רגישות לא-פרמטרית נעשה שימוש עבור תוצאות שהיו באופן ברור לא-נורמליות. השוואות זוגיות הותאמו באמצעות שיטת Holm, ורווחים סמיכות של 95% דווחו עבור ממוצעי הקבוצות העיקריים, הפרשים אלגוריתמיים בין קבוצות, פסי השגיאה בתרשימים והניגודים הזוגיים של הסטטיסטיקה המסכמת בנספח. לא הוסקו השפעות של תתי-קבוצות או משתנים ממתנים מהמשתנים המלווים ההקשריים, כיוון שניתוחים אלו לא נקבעו מראש ולא נבדקה עבורם העוצמה הסטטיסטית.
מספר תוצאות ברמת המשתתף מספקות תיקוף מתכנס מעבר למשתנים שצומצמו ישירות על ידי פונקציית העלות המרחבית. שביעות רצון כללית, תחושת נוכחות (presence), עומס קוגניטיבי, מחלת סימולטור, זמן שהייה וכיסוי מפת חום אינם מונחים מפורשים בפונקציית המטרה. לכן, ההבדלים ביניהם בין הפריסות השונות מרחיבים את ההערכה מעבר לביטוי פשוט של אורך מסלול או קנסות צפיפות, אם כי הם נמדדו במסגרת אותו ניסוי מבוקר במציאות מדומה ואין לפרש אותם כתיקוף עצמאי מלא בעולם האמיתי.
ניתוח רגישות
בניתוח הרגישות, כל משקל של פונקציית המטרה שונה ב-±10% באופן פרטני, והמשקולות הנותרות ננורמלו באופן פרופורציונלי כדי לשמור על משקל כולל של 1.00. לאורך הגדרות המשקל החלופיות, שיטת ההשלמה הסימולטיבית האדפטיבית (adaptive simulated annealing) עם תנאי חימום מחדש שמרה על עלות מרחבית סופית ממוצעת נמוכה ביותר. כיוון ההשוואה נותר ללא שינוי עבור העלות המרחבית הסופית, אחוז השיפור ומספר האיטרציות עד הפתרון הטוב ביותר. תוצאות אלו תומכות בחסון מקומי להפרעות משקל מתונות, אך אינן קובעות כי אותו וקטור משקלים מתאים לסוגים אחרים של תערוכות.
ניתוח היציבות מעיד כי האלגוריתם האדפטיבי לא היה תלוי אך ורק בתצורת משקל נומינלית אחת. דפוס חוויית המבקר היה עקבי גם הוא עם התוצאות האלגוריתמיות: הפריסה עם העלות המרחבית הנמוכה ביותר הראתה את רמת השביעות הרבים ביותר, נוכחות חזקה יותר, התמצאות ברורה יותר וכיסוי רחב יותר של מפות חום.
המימוש מונחה פרמטרים ולא מקודד באופן קשיח עבור תוכנית קומה אחת: גבול ההיכל, רזולוציית הרשת, מספר האזורים והשטח המותר, טווח רוחב הנתיבים, תקרת הצפיפות, מספר צמתי האינטראקציה, יעדים סביבתיים ומשקולות המטרה הם ערכי הגדרה חיצוניים. ניתן להחליף קלטים אלה מבלי לשנות את לוגיקת החיפוש של הצעה/קבלה/חימום מחדש (proposal/accept/reheat), דבר המקנה ניידות מבנית לפריסות מקודדות אחרות. זוהי תכונה של ארכיטקטורת התוכנה, ולא ראיה אמפירית להכללה; הביצועים הודגמו רק עבור התרחיש הנוכחי של קומה אחת מלבנית בגודל 36 m x 24 m.
סיכום הממצאים
במסגרת תרחיש התערוכה בקומה אחת שבוחנה, בשטח של 36 m x 24 m, שיטת ההשחלה הסימולטיבית האדפטיבית עם חימום מחדש (adaptive simulated annealing with reheating) הניבה את העלות המרחבית הנמוכה ביותר, את אחוז השיפור הגבוה ביותר ואת פרופיל חוויית המשתתפים המועדף ביותר מבין שלושת תנאי הפריסה שנבחנו. בהשוואה לפריסה ידנית, הפריסה האדפטיבית הניבה שביעות רצון גבוהה יותר, תחושת נוכחות חזקה יותר, ניווט ברור יותר, דחיסות ועומס קוגניטיבי נמוכים יותר, זמן השלמה ומרחק הליכה קצרים יותר, פחות אירועי היסוס, זמן שהייה ארוך יותר וכיסוי רחב יותר של מפת החום. ממצאים אלו מתארים ביצועים תחת פונקציית מטרה ותנאי ניסוי שהוגדרו מראש, ואין לפרשם כהוכחה לפריסת תערוכה אופטימלית באופן אוניברסלי. בהשוואה להשחלה סימולטיבית סטנדרטית, האלגוריתם האדפטיבי הפגין ביצועי אופטימיזציה חזקים יותר ותוצאות טובות יותר ברמת המשתתפים, אם כי בעלייה מתונה בזמן ההרצה. התוצאות המשולבות של האלגוריתם, ההתנהגות, השאלונים ומפות החום של המסלולים תומכות בזרימת העבודה המוצעת לאופטימיזציית פריסה עבור עיצוב סביבתי של חללי תערוכה אימרסיביים.
זמינות נתונים
The source data materials associated with the current study are available on Figshare: Zhang, Guangping; Hui, Xianghui; Wang, Hanye (2026). Optimizing Immersive Exhibition Space Design Using Adaptive Simulated Annealing with Reheating and Virtual Reality Evaluation. figshare. Dataset. https://doi.org/10.6084/m9.figshare.33313611.v1
איור 1: תזרים עבודה לאופטימיזציה של פריסת חללי תערוכות אימרסיביים ולהערכה במציאות מדומה. התזרים כולל בניית מודל של חלל התערוכה, הגדרת משתני פריסה ואילוצי היתכנות, יצירת פריסה ידנית, אופטימיזציה סטנדרטית בשיטת סימולציה של חישול (simulated annealing), אופטימיזציית סימולציה של חישול אדפטיבית עם חימום חוזר, בחירת פריסה סופית, בניית סצנה וירטואלית, בדיקה של משתתפים, איסוף נתונים התנהגותיים ומחוברים לשאלון, וניתוח סטטיסטי. האיור מסכם את הרצף המתודולוגי המלא המשמש לקישור בין אופטימיזציה של עיצוב מרחבי להערכת חוויה אימרסיבית. לא נעשה שימוש בחלוקה ללוחות או בסימונים סטטיסטיים באיור זה. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של איור זה.
איור 2: ביצועי אלגוריתם של simulated annealing סטנדרטי ו-adaptive simulated annealing עם חימום מחדש (reheating). (A) עלות מרחבית סופית לאורך הרצות אופטימיזציה עצמאיות. (B) אחוז השיפור מהעלות המרחבית הראשונית לסופית. (C) מספר האיטרציות שנדרשו להגעה לפתרון המיטבי. (D) זמן ריצה בשניות. (E) שיעור קבלה במהלך תהליך החיפוש. (F) עקומות התכנסות מייצגות המראות את העלות המרחבית לאורך האיטרציות. Standard SA מציין simulated annealing סטנדרטי; Adaptive SA-R מציין adaptive simulated annealing עם חימום מחדש. פאנלים A–E כוללים n = 30 הרצות אופטימיזציה עצמאיות לכל תנאי אלגוריתמי. סימנים/סרגים מרכזיים מייצגים את ממוצע הקבוצה, וסרג השגיאה מייצג רווחי ביטחון של 95% לממוצע; נקודות פיזור ברמת הרצה בודדת אינן מוצגות. השוואות הסקתית בין אלגוריתמים מדווחות בטבלה 2 עם ערכי p מדויקים וגודלי אפקט של Cohen’s d. פאנל F מציג מסלולי התכנסות מייצגים והוא תיאורי ולא מהווה מבחן הסקתי נוסף. קיצורים: CI = רווח ביטחון; SA = simulated annealing; SA-R = simulated annealing עם חימום מחדש. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.
איור 3: תוצאות של חוויית המבקרים והתנהגותם בשלושת תנאי הפריסה. (A) שביעות רצון כללית. (B) נוכחות. (C) בהירות ניווט. (D) דחיסות נתפסת. (E) עומס קוגניטיבי. (F) זמן השלמה. (G) מרחק הליכה. (H) מספר רגעי היסוס. (I) כיסוי מפת חום. הקבוצות הן פריסה ידנית (Manual layout), SA סטנדרטי (simulated annealing סטנדרטי), ו-SA-R אדפטיבי (simulated annealing אדפטיבי עם חימום מחדש), כאשר n = 60 משתתפים לכל קבוצה. סמנים שחורים מייצגים ממוצעי קבוצה, וסטיות תקן אנכיות מייצגות רווחי סמך של 95% לממוצע; פיזור ברמת המשתתף הבודד אינו מוצג. התוצאות הושוו בין שלוש הקבוצות באמצעות מסגרת ה-ANOVA/חלופה רובסטית שהוגדרה מראש ותוארה בפרוטוקול; ערכי p מדויקים וגודלי אפקט מופיעים בטבלה 2. קיצורים: CI = רווח סמך; ANOVA = ניתוח שונות; SA = simulated annealing; SA-R = simulated annealing עם חימום מחדש. אנא לחצו כאן להצגת גרסה מורחבת של איור זה.
איור 4: פריסות מרחביות ומפות חום של מסלולי מבקרים בשלושת תנאי הפריסה. (A) פריסת תערוכה ידנית. (B) פריסת simulated annealing סטנדרטית. (C) פריסת adaptive simulated annealing עם reheating. (D) מפת חום של מסלולי מבקרים בתנאי הפריסה הידנית. (E) מפת חום של מסלולי מבקרים בתנאי ה-simulated annealing הסטנדרטי. (F) מפת חום של מסלולי מבקרים עבור adaptive simulated annealing עם reheating. הסמלים הסכמטיים מציינים את הכניסה, היציאה, האזורים התמטיים, אזור המנוחה, צמתי האינטראקציה והמסלול הראשי כפי שמופיע במקרא המוטמע. סולם הצפיפות בלוחות D–F נע מצפיפות מסלולים נמוכה לגבוהה, וכל מפת חום של מסלולים מסכמת n = 60 מפגשי משתתפים בתנאי המתאים. לוחות A–C הם סכמות פריסה, ולוחות D–F הם ויזואליזציות תיאוריות של מסלולים; לא נעשה שימוש בסטיות תקן או בסימוני מובהקות באיור זה. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של איור זה.
| קטגוריית פרמטרים | פרמטר | ערך / הגדרה | תפקיד בפרוטוקול |
| חלל תצוגה | גודל האולם | 36 דקות × 24 מ' | גבול מרחבי קבוע |
| חלל תצוגה | שטח רצפה כולל | 864 מטר² | אזור מודל הבסיס |
| חלל תצוגה | גובה התקרה | 4.5 מ' | פרמטר סצנה וירטואלית |
| נקודות גישה | רוחב פתח הכניסה | 3.0 מטרים | נקודת גישה קבועה |
| נקודות גישה | רוחב היציאה | 3.0 מ' | נקודת גישה קבועה |
| חלוקה לאזורים פונקציונליים | מספר האזורים התמטיים | 6 | אובייקטים מרכזיים של הפריסה |
| חלוקה לאזורי תפקוד | טווח שטח אזור התמה | 80–130 מ'² | אילוץ היתכנות |
| חלוקה לאזורים פונקציונליים | מסדרונות מעבר | 2 | אלמנטים לחיבור נתיבים |
| חלוקה לאזורי תפקוד | אזור מנוחה | 40 מ'² | מרחב פונקציונלי קבוע |
| סירקולציה | רוחב הנתיב הראשי | 1.8–3.5 מטרים | משתנה אופטימיזציה |
| סירקולציה | רוחב נתיב ידני ראשוני | 2.2 מטרים | הגדרת פריסת בסיס |
| סירקולציה | אורך מסלול ייחוס מקסימלי | 120 מטר | ערך נורמליזציה עבור עלות מרחק הליכה |
| אינטראקציה | צמתי אינטראקציה | 8–12 | משתנה אופטימיזציה |
| אינטראקציה | רדיוס הפעלה של צומת-אינטראקציה | 1.0 מ' | סביבת אינטראקציה במציאות מדומה |
| אינטראקציה | רדיוס פינוי של צומת אינטראקציה | ≥1.2 מ' | אילוץ היתכנות |
| ניתוח מרחבי | גודל רשת | 0.5 מטר × 0.5 מטר | חישוב נראות, מפת חום וצפיפות |
| ניתוח נראות | מרווח קרניים בקו ראייה | 0.5 מטר | חישוב נגישות חזותית |
| צפיפות מולקולרית | סף צפיפות מקומי | ≤1.50 איש/מטר² | אילוץ היתכנות ורפרנס לעלות דחיסות |
| נוחות סביבתית | עוצמת הארה מטרה | 300–500 lx | מרכיב קנס נוחות סביבתית |
| נוחות סביבתית | רמת לחץ קול יעדית | 45–60 dB(A) | מרכיב קנס נוחות-סביבתית |
| נוחות סביבתית | פחמן דו-חמצני מטרה | <900 ppm | מרכיב קנס נוחות-סביבתית |
| נוחות סביבתית | טמפרטורת מטרה | 22–25 °C | מרכיב של קנס נוחות-סביבתית |
| פונקציית מטרה | משקל עלות מרחק הליכה | 0.25 | רכיב יעילות הניתוב |
| פונקציית מטרה | משקל עלות נגישות חזותית | 0.2 | מרכיב נגישות חזותית |
| פונקציית מטרה | משקל עלות דחיסה | 0.25 | רכיב לבקרת צפיפות |
| פונקציית מטרה | משקל ענישה של נוחות סביבתית | 0.15 | מרכיב נוחות סביבתית |
| פונקציית מטרה | משקל קנס איזון-אינטראקציה | 0.15 | מרכיב התפלגות-אינטראקציה |
| סימולציית חישול סטנדרטית | טמפרטורה התחלתית | 100 | טמפרטורת חיפוש התחלתית |
| השחזקה סימולטיבית סטנדרטית | מקדם קירור | 0.95 | כלל הפחתת הטמפרטורה |
| סימולציה של חישול סטנדרטית (Standard simulated annealing) | מספר איטרציות מקסימלי | 1500 | כלל עצירה |
| השחלה סימולטיבית סטנדרטית | סף קיפאון | 200 חזרות | כלל עצירה מוקדמת |
| סימולציה של חישול סטנדרטית | הצעות לשינויי פריסה | הזזת אזור; החלפת רצף אזורים; התאמת רוחב נתיב; הזזת צומת אינטראקציה | יצירת פתרונות שכנים |
| סימולציית התבהלות סטנדרטית (Standard simulated annealing) | טווח תנועה של האזור | 0.5–2.0 מטרים | הגדרת העברת הצעה |
| סימולציה של חישול סטנדרטית (Standard simulated annealing) | טווח התאמת רוחב הנתיב | 0.1–0.3 מ' | הגדרת תזוזת-הצעה |
| הסימולציה הסטנדרטית של חישול (Standard simulated annealing) | טווח תנועה של צומת אינטראקציה | 0.5–1.5 מטר | הגדרת הצעה-הזזה |
| SA-R אדפטיבי | טווח חזרות של השלב הראשון | 40% הראשונים של האיטרציות | שלב סקירה גלובלית |
| SA-R אדפטיבי | הסתברויות להגשות בשלב ראשון | העתקה מקומית 0.20; החלפת רצף-אזור 0.35; התאמת רוחב-נתיב 0.30; שינוי מיקום צומת-אינטראקציה 0.15 | התפלגות הצעות אדפטיבית |
| SA-R אדפטיבי | טווח חזרות של השלב השני | 60% האחרונים של האיטרציות | שלב זיקוק מקומי |
| SA-R אדפטיבי | הסתברויות להגשת הצעה לשלב שני | הסטה מקומית 0.35; החלפת רצף-אזור 0.15; התאמת רוחב-נתיב 0.20; מיקום מחדש של צומת-אינטראקציה 0.30 | התפלגות הצעה אדפטיבית |
| SA-R אדפטיבי | סף חימום חוזר | 150 איטרציות ללא שיפור | בקרת התכנסות מוקדמת |
| SA-R אדפטיבי | עוצמת החימום החוזר | עלייה של 10% בטמפרטורה הנוכחית | כלל חימום חוזר אדפטיבי |
| SA-R אדפטיבי | מספר מקסימלי של אירועי חימום חוזר | 3 לכל הרצה | כלל יציבות החיפוש |
| הערכת אלגוריתם | זרעים אקראיים בלתי תלויים | 30 לכל תנאי אלגוריתמי | הערכת ביצועי אלגוריתם |
| סצנת מציאות מדומה | גובה המצלמה | 1.65 מטר | גובה עיניים משוער בעמידה |
| סצנת מציאות מדומה | מהירות הליכה | 1.2 מ'/שנייה | הגדרת ניווט סטנדרטית |
| סצנת מציאות מדומה | טלפורטציה | מושבת | הקלטה סטנדרטית של מסלול תנועה |
| מפגש משתתף | משך סצנת התרגול | 2 דקות | הכרות עם הפרוטוקול לפני סצנת הבדיקה |
| מפגש משתתף | מנוחה בישיבה לפני המפגש | 2 דקות | הכנת קו בסיס |
| מפגש משתתף | מנוחה לאחר הסשן | 3 דקות | התאוששות לפני השאלון |
| סשן משתתף | סף סיוע בניווט | >30 שניות, לא ניתן להמשיך | כלל סיוע סטנדרטי |
| מבנה המחקר | תנאי פריסה | 3 | פריסה ידנית; פריסה של חישול סימולטני סטנדרטי; פריסה של חישול סימולטני אדפטיבי עם חימום חוזר |
| מערך המחקר | משתתפים לכל תנאי | 60 | הקצאה בין-נבדקים |
| מערך המחקר | סך כל המשתתפים | 180 | מדגם מחקר מלא |
| תוצאה אלגוריתמית ראשית | עלות מרחבית סופית | רציף | תוצאת האופטימיזציה העיקרית |
| תוצאת primary של חוויית המבקרים | שביעות רצון כללית | סולם של 1–7 | תוצאת יעד עיקרית המדווחת על ידי המשתתף |
| תוצאות אלגוריתמיות משניות | אחוז שיפור; איטרציות עד הפתרון המיטבי; זמן ריצה; שיעור קבלה | רציף | הערכת ביצועי אלגוריתם |
| תוצאים משניים של חוויית המבקר | נוכחות; נוכחות מרחבית; איכות אינטראקציה; בהירות ניווט; נוחות חזותית; נוחות אקוסטית; נוחות תרמית; תחושת צפיפות; עומס קוגניטיבי; מחלת סימולטור | רציף | הערכת התנסות |
| תוצאים התנהגותיים משניים | זמן השלמה; זמן שהייה; מרחק הליכה; מספר היססים; כיסוי מפת חום | רציף | הערכת מסלול והתנהגות ניווט |
| כלל החרגה | זמן השלמה | <3 דקות או >25 דקות | קריטריון להדרה של רשומות משתתפים |
| כלל החרגה | מרחק הליכה | ללא גבול עליון; רשומות <20 מ' נחשבו לבלתי תקינים רק כאשר היו קשורים למסלול חלקי/בלתי תקין | כלל שלמות נתונים |
| כלל הדרה | כיסוי מפת חום | <10% | קריטריון להדרת רשומות משתתפים |
| בקרה על השוואות מרובות | התאמה להשוואה זוגית | שיטת הולם | בקרת טעות מסוג I |
| ניתוח רגישות | שינוי משקלי פונקציית המטרה | ±10%, משקל כולל שנשמר ב-1.00 | בדיקת יציבות |
טבלה 1: משתני תכנון מרחבי, פרמטרי אופטימיזציה, אילוצי היתכנות והגדרות תוצאות. טבלה זו מסכמת את פרמטרי חלל התערוכה הקבועים, אלמנטים תכנוניים משתנים, אילוצי היתכנות, הגדרות ורציונל של פונקציית המטרה, פרמטרי simulated annealing סטנדרטיים, הגדרות adaptive simulated annealing עם reheating, פרמטרי סצנת מציאות מדומה, נהלי מפגשי משתתפים, כללי החרגה לשמירה על שלמות הנתונים, ותוצאות ראשוניות ומשניות ששימשו בפרוטוקול. SA = simulated annealing; SA-R = adaptive simulated annealing with reheating; VR = virtual reality.
| קטגוריה | תוצאה | פריסה ידנית | SA סטנדרטי | Adaptive SA-R | מבחן סטטיסטי / הפרש ממוצעים | ערך p | גודל אפקט |
| תוצאות ביצועי אלגוריתם | עלות מרחבית סופית | — | 0.475 ± 0.019 (95% CI, 0.468–0.482) | 0.424 ± 0.016 (95% CI, 0.418–0.430) | Welch t = 11.25; mean difference = −0.051 (95% CI, −0.060 to −0.042) | <0.001 | Cohen’s d = 2.90 |
| אחוז שיפור (%) | — | 24.91 ± 3.22 (95% CI, 23.708–26.112) | 32.54 ± 3.29 (95% CI, 31.311–33.769) | Welch t = 9.07; mean difference = +7.63 (95% CI, 5.95 to 9.31) | <0.001 | Cohen’s d = 2.34 | |
| איטרציות עד לפתרון מיטבי | — | 925.47 ± 86.38 (95% CI, 893.215–957.725) | 722.20 ± 90.19 (95% CI, 688.523–755.877) | Welch t = 8.92; mean difference = −203.27 (95% CI, −248.91 to −157.63) | <0.001 | Cohen’s d = 2.30 | |
| זמן ריצה (s) | — | 47.83 ± 9.42 (95% CI, 44.313–51.347) | 55.86 ± 9.49 (95% CI, 52.316–59.404) | Welch t = 3.29; mean difference = +8.03 (95% CI, 3.14 to 12.92) | 0.002 | Cohen’s d = 0.85 | |
| שיעור קבלה | — | 0.294 ± 0.045 (95% CI, 0.277–0.311) | 0.372 ± 0.054 (95% CI, 0.352–0.392) | Welch t = 6.08; mean difference = +0.078 (95% CI, 0.052 to 0.104) | <0.001 | Cohen’s d = 1.57 | |
| תוצאות חוויית מבקרים | נוכחות (Presence) | 3.77 ± 0.56 (95% CI, 3.625–3.915) | 3.99 ± 0.55 (95% CI, 3.848–4.132) | 4.28 ± 0.42 (95% CI, 4.172–4.388) | ANOVA F = 14.86 | <0.001 | η² = 0.144 |
| נוכחות מרחבית | 3.75 ± 0.64 (95% CI, 3.585–3.915) | 3.96 ± 0.63 (95% CI, 3.797–4.123) | 4.27 ± 0.47 (95% CI, 4.149–4.391) | ANOVA F = 11.99 | <0.001 | η² = 0.119 | |
| איכות האינטראקציה | 3.74 ± 0.56 (95% CI, 3.595–3.885) | 4.00 ± 0.57 (95% CI, 3.853–4.147) | 4.24 ± 0.57 (95% CI, 4.093–4.387) | ANOVA F = 11.68 | <0.001 | η² = 0.117 | |
| בהירות הניווט | 3.61 ± 0.58 (95% CI, 3.460–3.760) | 3.90 ± 0.57 (95% CI, 3.753–4.047) | 4.17 ± 0.48 (95% CI, 4.046–4.294) | ANOVA F = 15.83 | <0.001 | η² = 0.152 | |
| נוחות חזותית | 3.67 ± 0.44 (95% CI, 3.556–3.784) | 3.87 ± 0.44 (95% CI, 3.756–3.984) | 4.07 ± 0.45 (95% CI, 3.954–4.186) | ANOVA F = 12.21 | <0.001 | η² = 0.121 | |
| נוחות אקוסטית | 3.64 ± 0.52 (95% CI, 3.506–3.774) | 3.75 ± 0.42 (95% CI, 3.642–3.858) | 3.97 ± 0.44 (95% CI, 3.856–4.084) | ANOVA F = 7.94 | <0.001 | η² = 0.082 | |
| נוחות תרמית | 3.69 ± 0.46 (95% CI, 3.571–3.809) | 3.79 ± 0.32 (95% CI, 3.707–3.873) | 3.94 ± 0.44 (95% CI, 3.826–4.054) | ANOVA F = 5.61 | 0.004 | η² = 0.060 | |
| צפיפות נתפסת | 3.01 ± 0.49 (95% CI, 2.883–3.137) | 2.75 ± 0.55 (95% CI, 2.608–2.892) | 2.56 ± 0.45 (95% CI, 2.444–2.676) | ANOVA F = 12.33 | <0.001 | η² = 0.122 | |
| עומס קוגניטיבי | 3.21 ± 0.48 (95% CI, 3.086–3.334) | 2.87 ± 0.52 (95% CI, 2.736–3.004) | 2.73 ± 0.44 (95% CI, 2.616–2.844) | ANOVA F = 15.79 | <0.001 | η² = 0.151 | |
| שביעות רצון כוללת | 3.59 ± 0.45 (95% CI, 3.474–3.706) | 3.96 ± 0.44 (95% CI, 3.846–4.074) | 4.37 ± 0.31 (95% CI, 4.290–4.450) | ANOVA F = 55.67 | <0.001 | η² = 0.386 | |
| בחילת סימולטור | 2.52 ± 0.55 (95% CI, 2.378–2.662) | 2.44 ± 0.58 (95% CI, 2.290–2.590) | 2.12 ± 0.56 (95% CI, 1.975–2.265) | ANOVA F = 8.47 | <0.001 | η² = 0.087 | |
| תוצאות מסלול התנהגותי | זמן השלמה (min) | 19.11 ± 2.63 (95% CI, 18.431–19.789) | 17.42 ± 2.77 (95% CI, 16.704–18.136) | 14.93 ± 2.32 (95% CI, 14.331–15.529) | ANOVA F = 39.85 | <0.001 | η² = 0.311 |
| זמן שהייה (min) | 11.17 ± 2.03 (95% CI, 10.646–11.694) | 12.24 ± 2.04 (95% CI, 11.713–12.767) | 13.39 ± 2.28 (95% CI, 12.801–13.979) | ANOVA F = 16.46 | <0.001 | η² = 0.157 | |
| מרחק הליכה (m) | 234.88 ± 24.34 (95% CI, 228.592–241.168) | 217.95 ± 24.33 (95% CI, 211.665–224.235) | 201.86 ± 23.47 (95% CI, 195.797–207.923) | ANOVA F = 28.28 | <0.001 | η² = 0.242 | |
| מספר היססויות | 7.10 ± 1.80 (95% CI, 6.635–7.565) | 5.51 ± 1.79 (95% CI, 5.048–5.972) | 4.07 ± 1.99 (95% CI, 3.556–4.584) | ANOVA F = 39.74 | <0.001 | η² = 0.310 | |
| כיסוי מפת חום (%) | 66.18 ± 9.40 (95% CI, 63.752–68.608) | 74.14 ± 7.93 (95% CI, 72.091–76.189) | 84.40 ± 9.47 (95% CI, 81.954–86.846) | ANOVA F = 62.33 | <0.001 | η² = 0.413 |
טבלה 2: תוצאות ברמת האלגוריתם וברמת המשתתפים בשלושת תנאי הפריסה. טבלה זו מדווחת על תוצאות ביצועי אלגוריתם, תוצאות חוויית מבקר ותוצאות מסלול התנהגותי בתנאי הפריסה הידנית (Manual), SA סטנדרטי (simulated annealing סטנדרטי) ו-SA-R אדפטיבי (simulated annealing אדפטיבי עם חימום מחדש). השוואות ביצועי האלגוריתם מבוססות על n = 30 הרצות אופטימיזציה עצמאיות לכל תנאי אלגוריתמי. השוואות ברמת המשתתפים מבוססות על n = 60 משתתפים לכל תנאי פריסה. ערכים מדווחים כממוצע ± SD עם רווחי סמך של 95% לממוצע. עבור תוצאות האלגוריתם, עמודת המבחן הסטטיסטי מדווחת גם על ההפרש הממוצע בין האלגוריתמים ורווח הסמך של 95% עבורו. עמודות ה-p-value וגודל האפקט (Effect Size) מספקות את התוצאה ההסקתית המתאימה. ניגודי רגישות ዝוגיים מפורטים של משתתפים מוצגים בטבלה משלימה S1. SD = סטיית תקן; CI = רווח סמך; ANOVA = ניתוח שונות; SA = simulated annealing; SA-R = simulated annealing אדפטיבי עם חימום מחדש; η2 = eta-squared; d = Cohen's d.
קובץ משלים 1. משאבי חומרה, תוכנה וניטור סביבתי. משאבי חומרה, תוכנה וניטור סביבתי משמשים לניסויי אופטימיזציה מרחבית ומציאות מדומה. אנא לחצו כאן כדי להוריד קובץ זה.
קובץ משלים 2. מסגרת לסינון משתתפים ושאלון/ספר קודים. קריטריונים לסינון משתתפים ומידע על השאלון/ספר הקודים, כולל תחומי המחקר, טווחי הניקוד ומוסכמות הדיווח ששימשו לתוצאות המשתתפים. אנא לחצו כאן להורדת קובץ זה.
קובץ משלים 3. פסאודו-קוד ומשאבי ניתוח עבור SA-R אדפטיבי. פסאודו-קוד עבור זרימת העבודה של ה-Adaptive SA-R, כולל ארבעת גרעיני ההצעות, יחד עם תלויות תוכנה, הגדרות משתנים ותיאורי קבצי מקור של האיורים. אנא לחצו כאן כדי להוריד קובץ זה.
טבלה משלימה 1. השוואות רגישות זוגיות של תוצאות משתתפים. השוואות רגישות זוגיות חושבו באמצעות ממוצעי הקבוצות, סטיות התקן וגדלי המדגם. אנא לחצו כאן להורדת קובץ זה.
דיון
המחקר הנוכחי העריך תהליך עבודה בר-שחזור לתכנון פריסת תערוכה, המשלב מודל עלות מרחבית משוקללת, סימולציית חישול (simulated annealing) אדפטיבית עם חימום מחדש, ובדיקה של משתתפים במציאות מדומה. בתוך תרחיש מוגדר מראש של 36 m x 24 m, הפריסה האדפטיבית השיגה עלות מרחבית נמוכה יותר מאשר סימולציית חישול סטנדרטית, והייתה קשורה לשביעות רצון גבוהה יותר, תחושת נוכחות חזקה יותר, ניווט ברור יותר, מסלולים קצרים יותר, פחות היסוסים וכיסוי מרחבי רחב יותר. המונח "אופטימיזציה" (optimized) משמש כאן במובן המתמטי המצומצם של השגת ערך נמוך יותר של פונקציית העלות המוגדרת תחת האילוצים שצוינו; אין בכך כדי לרמוז שהפריסה היא אופטימלית גלובלית מבחינת איכות אסתטית, תגובה רגשית, רצף נרטיבי או כל מטרה אפשרית של התערוכה. תצורה מרחבית יכולה לעצב תנועה, נראות ונגישות קוגניטיבית30,31, אך איכות העיצוב נותרת שיפוט רב-קריטריוני ממוקד-אדם.
תוצאות המשתתפים מוסיפות שכבה שימושית, אם כי עדיין מוגבלת, של תיקוף, מכיוון שמספר תוצאות לא היו מונחים ישירים בפונקציית המטרה. שביעות רצון כללית, תחושת נוכחות, עומס קוגניטיבי, מחלת סימולטור, זמן שהייה וכיסוי מפת חום נמדדו לאחר יצירת הפריסה ולא כערכים ששואפים למעטם במהלך החיפוש. לכן, הכיוון שלהן מרמז כי הפריסה בעלות הנמוכה יותר לא הייתה פשוט תוצר מתמטי של הפחתת מרחקי ההליכה32. במקביל, התיקוף נשאר בתוך סביבה וירטואלית למשתמש יחיד. היכרות מוקדמת עם מציאות מדומה יכולה להשפיע על נוחות הניווט והביצועים, ואף על אף שהדבר תועד כמשתנה הקשרי, למחקר הנוכחי לא היה כוח סטטיסטי להערכת השפעות ספציפיות לתתי-קבוצות או אפקטים של אינטראקציה. לפיכך, יש לפרש את התוצאות כהשוואות אקראיות בין פריסות, ולא כראיה לכך שגורמים דמוגרפיים או גורמים הקשורים לניסיון אינם משפיעים33,34.
יש לפרש באופן שמרני גם את ההשוואה האלגוריתמית. גזירה פורמלית של ארבעת גרעיני ההצעה מראה כי צפיפויות ההצעה המותנית קדימה ואחורה הן סימטריות עבור מהלכים אפשריים הפיכים; כתוצאה מכך, יחס ה-Hastings הוא 1, וכלל הקבלה המיושם הוא כלל Metropolis הסטנדרטי בתוך חישול סימולטיבי (simulated annealing). התרומה אינה, אם כן, אלגוריתם Metropolis-Hastings חדש, אלא קונפיגורציה ספציפית לתחום של בחירת מהלכים תלויית-שלב, חימום מחדש, מגבלות היתכנות מפורשות ותיקוף בסביבה וירטואלית הניתן לשחזור. חישול סימולטיבי סטנדרטי מהווה משווה מבוקר מכיוון שהוא חולק את אותו קידוד, מטרה, מגבלות, אתחול, לוח זמני קירור ותקציב הרצה נומינלי. הניסוי הנוכחי לא כלל הרצות השוואה מספריות של GA, PSO, ACO או כאלה המבוססות על למידה; לפיכך, הטענות מוגבלות לקו הבסיס התואם של standard-SA. הקונפיגורציה המשולבת אינה מבודדת גם את ההשפעות הנפרדות של תזמון ההצעות והחימום מחדש.
הפשרה המעשית הייתה חיובית עבור גודל הבעיה שנבדק, אך אין להכלילה ללא ביצוע השוואות ביצועים (benchmarking) נוספות. בהשוואה לסימולציית anneaing סטנדרטית, זמן ההרצה עלה ב-16.8%, בעוד שהעלות המרחבית הסופית הייתה נמוכה ב-10.7%, ומספר האיטרציות עד להגעה לפתרון המיטבי היה נמוך ב-22.0%. דבר זה מרמז כי הבקרה האדפטיבית שהתווספה הייתה ניתנת לביצוע מבחינה חישובית במודל הנוכחי של קומה אחת. משקלי המטרה נותרו חסונים מבחינה כיוונית לשינויים של ±10%, אך המשקלים נקבעו במכוון באופן ספציפי לתרחיש: יעילות נתיבים וצפיפות קיבלו עדיפות על פני נוחות סביבתית ואיזון אינטראקציות. תערוכות אמנותיות, היסטוריות, מדעיות או מסחריות עשויות להשתמש באופן סביר בסדרי עדיפויות שונים, כולל תנועה לא-ליניארית ומעברים נרטיביים שפונקציית עלות המתמקדת ביעילות נתיבים תכביע אותם. לפיכרון, יש להשתמש באופטימיזציה כשכבת תמיכה בקבלת החלטות ההופכת את הפשרות למפורשות, ולא כתחליף לשיקול דעת אוצרותי או אדריכלי35.
מספר מגבלות מגדירות את גבולות המסקנות הנוכחיות. ראשית, התיקוף השתמש בתערוכה וירטואלית אחת מרובעת בעלת קומה אחת ובמשתתף אחד בכל פעם; אולמות גדולים יותר, גיאומטריות לא סדירות, תנועה בין מספר קומות, תנועת קבוצות בו-זמנית, הימנעות בין-אישית, גודש דינמי, עייפות פיזית והסחות דעת סביבתיות מהעולם האמיתי לא נבחנו. שנית, קבוצת ההשוואה לא כללה אופטימיזטורים מייצגים המבוססים על התפתחות, בינה של נחילים או למידה, ולא נערך ניסוי של הסרת רכיבים (ablation) כדי להפריד בין ההשפעות של הסתברויות הצעה תלויות-שלב לבין החימום מחדש (reheating). שלישית, דירוגי המשתתפים נותרו חלקית סובייקטיביים, וניסיון קודם במציאות מדומה עשוי להשפיע על הניווט והנוחות גם תחת הקצאה אקראית; המחקר לא תוכנן לניתוח תת-קבוצות או ניתוח משתנים ממתנים (moderator analysis). רביעית, למרות ששביעות רצון, תחושת נוכחות, עומס קוגניטיבי, מחלה ממסלול סימולציה, זמן שהייה וכיסוי מפות חום אינם מונחי עלות מרחבית מפורשים, המחקר לא אסף נקודות קצה עצמאיות של קשב, תגובה רגשית, יעילות למידה או זיכרון לטווח ארוך. חמישית, פונקציית העלות המרחבית אינה יכולה לייצג באופן ישיר ממדים איכותיים כגון תגובה רגשית, נרטיב אוצרותי, הפתעה, יצירת משמעות או זיכרון לטווח ארוך. שישית, חשיפה קצרה למציאות מדומה עלולה להוביל להערכה חסרה של חוסר הנוחות המופיע במהלך מפגשים ארוכים יותר36,37. מגבלות אלו פירושן שיש להתבונן על המסגרת כעל הוכחה הדירה של תהליך העבודה (proof-of-workflow) עבור התרחיש שנבדק, ולא כאופטימיזטור מתוקף באופן כללי עבור כל סביבות התערוכה.
עבודות עתידיות צריכות לבחון את המסגרת במרחבים גדולים יותר, לא סדירים ובמיספר קומות; לכלול סימולציית קהל רב-משתמשים ותיקוף פיזי או במישור של מציאות מעורבבת; להוסיף נקודות קצה אובייקטיביות עבור קשב, תגובה רגשית, למידה וזיכרון דחוי; ולבצע אבלציה (ablation) של רכיבי תזמון ההצעות התלויים בשלב והחימום מחדש (reheating). יש לבחון את התחרותיות האלגוריתמית תחת תקציבים חישוביים תואמים מול חלופות מייצגות כגון NSGA-II38, אופטימיזציית נשbari חלקיקים (particle swarm optimization)39, ומערכת נמלים/אופטימיזציית מושבת נמלים (Ant System/ant-colony optimization)40, תוך דיווח שקוף על כוונון פרמטרים ספציפי לשיטה. חילוץ העדפות ספציפי לתערוכה יוכל גם לכייל מחדש את המשקולות האובייקטיביות כאשר רצף הנרטיב, הנגישות, היעילות החינוכית, המעורבות הרגשית או יעדי זמן השהייה שונים מהתרחיש הנוכחי. הרחבות אלו יעריכו את יכולת ההרחבה (scalability), את יכולת ההעברה ואת התחרותיות האלגוריתמית, מבלי להניח שפונקציית עלות קבועה אחת מגדירה את חוויית התערוכה הטובה ביותר.
גילויים
המחברים מצהירים כי אין להם ניגודי אינטרסים כספיים.
תודות
המחברים מודים למשתתפים שהיו חלק מהערכת תערוכת המציאות המדומה. המחברים מודים גם לבית הספר לאמנות ועיצוב ולמכללה למדעי המידע והניהול באוניברסיטת החקלאות של הנאן (Henan Agricultural University) על תמיכתם בפיתוח ובהערכה של תהליך העבודה לעיצוב מרחב תערוכה אימרסיבי. המחקר לא קיבל מימון חיצוני. העבודה נתמכה על ידי משאביהם של המחברים ומתשתיות מוסדיות שוטפות באוניברסיטת החקלאות של הנאן (Henan Agricultural University).
חומרים
| שם | חברה | מספר קטלוג | הערות |
|---|---|---|---|
| תוכנה למידול בתלת-ממד | Blender Foundation | לא רלוונטי | Blender 4.0.2; שימש לבניית הגיאומטריה של חלל התערוכה, אזורים תמתיים, מחיצות ונכסים מרחביים. RRID:SCR_008606 |
| סקריפטים לניתוח | סקריפטים מותאמים אישית למחקר | לא רלוונטי | גרסה 1.0; שימשה לניתוח סטטיסטי, ניתוח רגישות, חישובי רווחי סמך והכנת נתונים לאיורים. |
| מד פחמן דו-חמצני | Testo SE & Co. KGaA | testo 535; 0563 0535 | CO דיגיטלי2 מד; טווח מדידה 0–10,000 ppm; משמש כבקרת פרוטוקול לבדיקת ריכוז הפחמן הדו-חמצני תחת יעד סביבתי שהוגדר מראש. |
| תחנת עבודה שולחנית | Dell Technologies | Precision 3660 Tower | 32 GB RAM; שימש לרינדור סצנות וירטואליות, סימולציית פריסה, הרצת אלגוריתמים ותיעוד מפגשי משתתפים. |
| סקריפטים להפקת איורים | סקריפטים למחקר מותאם אישית | לא רלוונטי | גרסה 1.0; שימשה להפקת תרשימי ביצועי-אלגוריתם, תרשימי תוצאות-מבקרים ומפות חום של מסלולים. |
| מנוע משחקים / פלטפורמת VR | Unity Technologies | לא רלוונטי | Unity 2022.3.22f1 LTS; שימש לבנייה ולהרצה של סצנות התערוכה הווירטואלית. |
| תצוגה רכובה על הראש | Meta Platforms, Inc. | Meta Quest 2 (128 GB) | משקפי VR (HMD) עצמאיים בעלי 6 דרגתי חופש; 1832 × 1,920 פיקסלים לכל עין; קצב רענון של 90 הרץ למפגש; שימש להצגת סצנת המציאות המדומה הסוחפת ולמעקב אחר תנועת המשתתפים. |
| מד-עוצמת תאורה | Testo SE & Co. KGaA | testo 540; 0560 0540 | מד-לוקס דיגיטלי; טווח מדידה 0–99,999 lx; משמש כבקרת פרוטוקול לבדיקת העוצמה המאירה תחת היעד הסביבתי שהוגדר מראש. |
| NumPy | מפתחי NumPy | לא רלוונטי | גרסה 1.26.4; שימשה לפעולות על מערכים מספריים ולהכנת נתונים. RRID:SCR_008633 |
| סקריפט אופטימיזציה | תסריט מחקר מותאם אישית | לא רלוונטי | Python 3.11, גרסה 1.0; מממש SA סטנדרטי וסימולציית הannealing אדפטיבית עם חימום מחדש (Adaptive SA-R), כולל בחירת הצעות תלוית שלב, קבלת מטרופוליס (Metropolis acceptance) וחימום מחדש. |
| pandas | צוות הפיתוח של pandas | לא רלוונטי | גרסה 2.1.4; שימשה לניקוי מערך הנתונים, טבלאציה והכנת נתונים להצגה באיורים. RRID:SCR_018214 |
| טופס סינון משתתפים | טופס מחקר מותאם אישית | לא רלוונטי | גרסה 1.0; שימשה לרישום זכאות, משתנים דמוגרפיים, ניסיון קודם במציאות מדומה ותדירות ביקורים במוזיאונים/בתערוכות. |
| שאלון דירוג לאחר החוויה | טופס מחקר מותאם אישית | לא רלוונטי | גרסה 1.0; סולמות תגובה בני 7 דרגות; שימשו להערכת איכות האינטראקציה, בהירות הניווט, נוחות חזותית/אקוסטית/תרמית, צפיפות נתפסת, עומס קוגניטיבי ושביעות רצון כללית. |
| טופס דירוג נוכחות ונוכחות מרחבית | טופס מחקר מותאם אישית | לא רלוונטי | גרסה 1.0; ציוני תחום בני 7 נקודות ספציפיים למחקר שפורשו בהתייחס למסגרות ה-PQ/IPQ; לא דווחו ציוני סך סטנדרטיים של PQ או IPQ. |
| שפת התכנות Python | Python Software Foundation | לא רלוונטי | גרסה 3.11; שימשה להרצת האלגוריתם, לחישוב פונקציית העלות, לעיבוד נתונים ולניתוח רגישות. RRID:SCR_008394 |
| SciPy | קהילת SciPy | לא רלוונטי | גרסה 1.11.4; שימשה למבחנים סטטיסטיים ולניתוחים מספריים תומכים. RRID:SCR_008058 |
| טופס דירוג מחלת סימולטור | טופס מחקר מותאם אישית | לא רלוונטי | גרסה 1.0; הוגדר מראש 0–סיכומי מחקר של 30 משתתפים המבוססים על מסגרת התסמינים של ה-SSQ; נפרדים מציון חומרת הסך הכלקולטי המשוקלל הסטנדרטי של ה-SSQ. |
| מד-סביליות (מד רמת רעש) | Testo SE & Co. KGaA | testo 816-1; 0563 8170 | IEC 61672-1 Class 2; 30–130 dB; שקלול תדר A/C; משמש כבקרת פרוטוקול של רמת לחץ קול תחת היעד הסביבתי שהוגדר מראש. |
| תוכנת גיליונות אלקטרוניים | Microsoft | לא רלוונטי | Microsoft Excel 2021; שימש לארגון מערכי נתונים, להכנת ספר קודים ולקובצי גיליונות אלקטרוניים משלימים. RRID:SCR_016137 |
| תוכנה סטטיסטית | IBM | לא רלוונטי | IBM SPSS Statistics 27.0; שימש עבור ANOVA, מבחני Welch, בדיקות הנחות ואימות סטטיסטי משלים. RRID:SCR_002865 |
| מד טמפרטורה | Testo SE & Co. KGaA | testo 605i; 0560 2605 03 | תרמוהיגרומטר; טווח טמפרטורות −20 עד +60 °C; 0.1 °C רזולוציה; משמשת כבקרת פרוטוקול לבדיקת טמפרטורת הסביבה תחת היעד הסביבתי שהוגדר מראש. |
| חבילת אינטגרציה של מציאות מדומה (VR) | Unity Technologies | לא רלוונטי | XR Interaction Toolkit 2.5.4; שימש לאינטראקציית VR, בקרת תנועה, הפעלת אירועים (trigger events) ותיעוד מסלולים. |
| הערה: במחקר זה לא נעשה שימוש במשאבים ביולוגיים. מזהים של משאבי מחקר (RRIDs) סופקו עבור משאבי המחקר הרלוונטיים. |
מקורות
- Falk JH, Dierking LD. The museum experience revisited. Left Coast Press; Walnut Creek, CA; 2013.
- Hillier B, Hanson J. The social logic of space. Cambridge University Press; Cambridge; 1984.
- Turner A, Doxa M, O'Sullivan D, Penn A. From isovists to visibility graphs: a methodology for the analysis of architectural space. Environ Plan B Plan Des. 2001;28:103-21.
- Kuliga SF, Thrash T, Dalton RC, Hölscher C. Virtual reality as an empirical research tool: exploring user experience in a real building and a corresponding virtual model. Comput Environ Urban Syst. 2015;54:363-75.
- Radianti J, et al. A systematic review of immersive virtual reality applications for higher education: design elements, lessons learned, and research agenda. Comput Educ. 2020;147:103778.
- Cummings JJ, Bailenson JN. How immersive is enough? A meta-analysis of the effect of immersive technology on user presence. Media Psychol. 2016;19:272-309.
- Witmer BG, Singer MJ. Measuring presence in virtual environments: a presence questionnaire. Presence-Teleop Virt. 1998;7:225-40.
- Makransky G, Petersen GB. The Cognitive Affective Model of Immersive Learning: a theoretical research-based model of learning in immersive virtual reality. Educ Psychol Rev. 2021;33:937-58.
- Kennedy RS, Lane NE, Berbaum KS, Lilienthal MG. Simulator Sickness Questionnaire: an enhanced method for quantifying simulator sickness. Int J Aviat Psychol. 1993;3:203-20.
- Kirkpatrick S, Gelatt CD Jr, Vecchi MP. Optimization by simulated annealing. Science. 1983;220:671-80.
- Metropolis N, et al. Equation of state calculations by fast computing machines. J Chem Phys. 1953;21:1087-92.
- Hastings WK. Monte Carlo sampling methods using Markov chains and their applications. Biometrika. 1970;57:97-109.
- Aarts EHL, Korst JHM. Simulated annealing and Boltzmann machines: a stochastic approach to combinatorial optimization and neural computing. John Wiley & Sons; Chichester; 1989.
- Van Laarhoven PJM, Aarts EHL. Simulated annealing: theory and applications. D. Reidel Publishing Company; Dordrecht; 1987.
- Bertsimas D, Tsitsiklis J. Simulated annealing. Stat Sci. 1993;8:10-5.
- Talbi EG. Metaheuristics: from design to implementation. John Wiley & Sons; Hoboken, NJ; 2009.
- Sörensen K. Metaheuristics: the metaphor exposed. Int Trans Oper Res. 2015;22:3-18.
- Hillier B. Space is the machine: a configurational theory of architecture. Cambridge University Press; Cambridge; 1996.
- Lolli F, et al. Post-Occupancy Evaluation's (POE) applications for improving indoor environment quality (IEQ). Toxics. 2022;10:626.
- Ministry of Housing and Urban-Rural Development of the People's Republic of China, State Administration for Market Regulation. GB/T 50034-2024 Standard for lighting design of buildings. Beijing; 2024.
- State Administration for Market Regulation, Standardization Administration of China. GB/T 23863-2024 Specification for lighting design of museum. Beijing; 2024.
- State Administration for Market Regulation, Standardization Administration of China. GB/T 18883-2022 Standards for indoor air quality. Beijing; 2022.
- Ministry of Housing and Urban-Rural Development of the People's Republic of China, General Administration of Quality Supervision, Inspection and Quarantine. GB/T 50785-2012 Evaluation standard for indoor thermal environment in civil buildings. Beijing; 2012.
- Ministry of Environmental Protection of the People's Republic of China, General Administration of Quality Supervision, Inspection and Quarantine. GB 3096-2008 Environmental quality standard for noise. Beijing; 2008.
- Chib S, Greenberg E. Understanding the Metropolis-Hastings algorithm. Am Stat. 1995;49:327-35.
- Slater M, Sanchez-Vives MV. Enhancing our lives with immersive virtual reality. Front Robot AI. 2016;3:74.
- Schubert T, Friedmann F, Regenbrecht H. The experience of presence: factor analytic insights. Presence-Teleop Virt. 2001;10:266-81.
- Stanney KM, Kennedy RS, Drexler JM. Cybersickness is not simulator sickness. Proc Hum Factors Ergon Soc Annu Meet. 1997;41:1138-42.
- Blum C, Roli A. Metaheuristics in combinatorial optimization: overview and conceptual comparison. ACM Comput Surv. 2003;35:268-308.
- Benedikt ML. To take hold of space: isovists and isovist fields. Environ Plan B Plan Des. 1979;6:47-65.
- Penn A. Space syntax and spatial cognition: or why the axial line? Environ Behav. 2003;35:30-65.
- Sherman WR, Craig AB. Understanding virtual reality: interface, application, and design. Morgan Kaufmann; San Francisco, CA; 2003.
- Slater M. Place illusion and plausibility can lead to realistic behaviour in immersive virtual environments. Philos Trans R Soc Lond B Biol Sci. 2009;364:3549-57.
- Sweller J. Cognitive load during problem solving: effects on learning. Cogn Sci. 1988;12:257-85.
- Heydarian A, Carneiro JP, Gerber D, Becerik-Gerber B. Immersive virtual environments versus physical built environments: a benchmarking study for building design and user-built environment explorations. Autom Constr. 2015;54:116-26.
- Rebenitsch L, Owen C. Review on cybersickness in applications and visual displays. Virtual Real. 2016;20:101-25.
- Clay V, König P, König SU. Eye tracking in virtual reality. J Eye Mov Res. 2019;12:3.
- Deb K, Pratap A, Agarwal S, Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans Evol Comput. 2002;6:182-97.
- Kennedy J, Eberhart RC. Particle Swarm Optimization. Proc IEEE Int Conf Neural Netw. 4, 1942-1948.
- Dorigo M, Maniezzo V, Colorni A. Ant system: optimization by a colony of cooperating agents. IEEE Trans Syst Man Cybern B Cybern. 1996;26:29-41.