Perception-Based Multi-Agent Geo-Simulation in the Service of Retail Location Decision-Making in a Shopping Mall *
Notice bibliographique
Résumé
Abstract In the very competitive retail world, mall managers develop various strategies to differentiate their malls from their competitors in order to enhance customer loyalty. One possible strategy consists in changing the mall configuration and more specifically the stores' locations. Deciding on stores' locations is a very important decision which can be expensive in terms of money and time. In order to guarantee the success of such decisions, mall managers should be able to better understand customers' behaviours and the way they may react to changes in the mall's configuration. Traditional techniques such as surveys and the use of Ggeographic Information Systems may help to understand customers' behaviours in an existing mall, but they are not adequate for anticipating customers' reactions to a future layout of the mall. Thanks to recent progress in the areas of geo-simulation and multi-agent systems, simulating the behaviours of a large number of virtual agents in a geo-referenced virtual world is now possible. We propose to apply these techniques in the shopping mall domain. In this paper, we present a multi-agent geo-simulation approach and a software, MallMAGS, which are used to model and simulate customers' shopping behaviours in virtual malls. Using such a geo-simulation, a manager can reproduce his or her mall layout, create a population of virtual shopper agents which mimic the behaviours of mall customers, observe how virtual shopper agents interact with the virtual mall and how they react to changes in the mall configuration. We suggest that SOLAP techniques (Spatial On Line Analytical Processing) be used to systematically analyse the results of these multi-agent geo-simulations. Resumes Dans le monde tres competitif de la vente au detail, les gerants de centres d'achats developpent de nombreuses strategies afin de differencier leurs centres de leurs competiteurs dans le but d'augmenter la loyaute de leurs consommateurs. Une strategie possible consiste a changer la configuration du centre d'achat, plus precisement la localisation des boutiques. Decider de la localisation des boutiques est une decision tres importante qui peut couter cher en termes d'argent et de temps. Dans le but de garantir le succes de telles decisions, les gerants de centres d'achats devraient etre capables de mieux comprendre les comportements des consommateurs et les facons par lesquelles ils pourraient reagir aux changements dans la configuration du centre d'achat. Des techniques traditionnelles telles que les sondages et l'utilisation de systemes d'information geographique peuvent aider a comprendre les comportements des consommateurs dans un centre d'achat existant, mais elles ne sont pas adequates pour prevoir les reactions des consommateurs a de futures dispositions du centre d'achat. Grace aux progres recents dans les milieux de la geo-simulation et des systemes d'agents multiples, simuler les comportements d'un grand nombre d'agents virtuels dans un monde virtuel geo-referencie est maintenant possible. Nous proposons l'application de ces techniques au domaine des centres d'achats. Dans cet article, nous presentons une approche de geo-simulation a agents multiples et un logiciel, MallMAGS, qui sont utilises afin de modeliser et simuler les comportements d'achat des consommateurs dans des centres d'achats virtuels. Utilisant une telle geo-simulation, un(e) gerant(e) peut reproduire sa disposition du centre d'achat, creant une population de agents clients virtuels qui imitent les comportements des consommateurs du centre d'achat, observer comment les agents clients virtuels interagissent avec le centre d'achat virtuel et comment ils reagissent aux changements dans la configuration du centre d'achat. Nous suggerons que les techniques SOLAP (Spatial On Line Analytical Processing--Traitement analytique spatial en ligne)) soient utilisees afin d'analyser systematiquement les resultats de ces geo-simulations a agents multiples. …
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».