The outbreak of the coronavirus disease 2019 (COVID-19) has seen the world scramble for effective countermeasures to limit infection spread in society. Understanding how infection spreads in places where strangers meet in relatively high numbers and proximity to one another is especially important. Supermarkets are one such place where strangers inevitably gather in close proximity indoors. In particular, the checkout area where people queue up to pay tends to be densely populated, making it especially hazardous. One approach to understanding the infection spread is to use agent-based computer simulations to model different scenarios. This paper describes one such simulation of a supermarket checkout area using the Unity 3D engine, including the effect of checkout types and quantity, customer load and COVID-19 countermeasures, i.e., masking and distancing, on infection spread. Using the results from one default scenario and eleven variations, the relative impact of aforementioned factors on exposure in the simulation is discussed. Results indicate that for this simulation the most important factor is preventing queue buildup via having sufficient customer throughput capacity, with potent effects also resulting from operating service registers in such a way that the distance between each queue is maximized as well as increasing distances between agents within queues. Including a self-checkout area was found to be a viable approach to reducing queue times and consequently exposure rates. Comparatively, masking did not yield as notable reductions in exposure rates in the simulation. Similarities in exposure patterns to previous work in the context of supermarkets are discussed, as well as limitations of simulations in capturing the real world. / Utbrottet av coronavirus disease 2019 (COVID-19) föranledde införandet av smittskyddsåtgärder världen över i ett försök att begränsa smittspridningen i samhället. Särskilt viktigt är att förstå hur smittspridning äger rum i trånga utrymmen där ett förhållandevis stort antal främmande människor samlas. Ett exempel på en inomhusmiljö där stora folksamlingar oundvikligen uppstår är mataffärer, där kassaområdena är högriskområden för smittspridning eftersom kunder köar för att betala i dessa områden. Ett tillvägagångssätt för att erhålla kunskap kring smittspridning är att använda agentbaserade datorsimuleringar för att modellera olika scenarion. Den här publikationen beskriver en sådan simulering av en mataffärs kassaområde i spelmotorn Unity 3D. Simuleringen används för att undersöka betydelsen av kassaområdets utformning för smittspridningen, samt inverkan av besökstryck och smittskyddsåtgärder, härvidlag användning av munskydd och social distansering. Som diskussionsunderlag för att fastställa vilken effekt dessa faktorer har på smittspridningen används ett grundscenario och elva simuleringsvarianter. Resultaten visar att den enskilt viktigaste faktorn i denna simulering är att hålla tillräckligt många kassor öppna, vilket förhindrar kötillväxt. Att hålla maximalt avstånd mellan öppna kassor, samt anamma social distansering mellan köande agenter bidrar också påtagligt till minskad smittspridning. Vidare förefaller inkludering av självskanningskassor vara ett effektivt tillvägagångssätt för att minska kötid och därmed även smittspridning. Användande av munskydd har jämförelsevis en mindre påtaglig effekt i simuleringen. I publikationen diskuteras även likheter i exponeringsmönster gentemot tidigare forskning rörande simulering av smittspridning i mataffärskontext, samt vilka begränsningar simuleringar kan uppvisa när det kommer till att replikera verkligheten.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-319685 |
| Date | January 2022 |
| Creators | Forsberg, Nils, Lerjevik, Dina |
| Publisher | KTH, Datavetenskap |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2022:462 |
Page generated in 0.0037 seconds