StadiumOSを構築する：群衆管理のためのリアルタイム・マルチエージェントAIシステム
スポーツスタジアムのようなメガ構造物が、何万人もの人々を同時に移動させるとき、どのように扱っているのか気になったことはありませんか？ フードコートの混雑、セキュリティのボトルネック、そして出口ゲートでの踏み潰し（スタンピード）のような事態の間では、スタジアム運営の管理は非常に複雑です。
私はこの問題に取り組むために、StadiumOS――リアルタイムでスタジアム運営をシミュレートし、最適化できるマルチエージェント協調エンジン――を作ることにしました。
アーキテクチャ：スタジアムの「脳」
これは単なるシンプルなWebアプリではありません。真のシステムレベルのインテリジェンス・プラットフォームを作りたかったのです。以下が、それを支えたスタックです：
バックエンド：Node.js と Express（シミュレーションエンジンおよびREST API）
データベース：インメモリのキャッシュ（オプションでFirebase Firestoreのミラーリング）
フロントエンド：Tailwind CSS と Leaflet.js を組み合わせた Next.js 16
脳：カスタムのマルチエージェント・アーキテクチャ
マルチエージェントシステムの仕組み
すべてを一つの巨大なAIに考えさせるのではなく、ロジックを分散しました。StadiumOSは（2秒ごとに）稼働中のライブシミュレーションを実行し、そのデータを4つの独立したAIエージェントへ渡します。各エージェントは特定の領域を担当します：
- 群衆エージェント：過密状態を防ぐためにゾーンの密度を監視します。
Mediumに投稿する
ベンダーエージェント：出店のサービス率に対してフードコートのキューを分析し、待ち時間を予測します。
セキュリティエージェント：群衆の急増（スパイク）の履歴を継続的に保持し、異常を検知してゾーンをフラグ付けします。
トランスポートエージェント：ゲートでのネット流量を計算し、退場時のクリア（通過）にかかる時間を推定します。
これら4つのエージェントは最終決定を行いません。代わりに、構造化されたレポートを作成し、それをコーディネーターエンジンへ引き上げます。
意思決定コーディネーター
コーディネーターは中枢の「脳」として機能します。エージェントのレポートを取り込み、優先度ベースのルールで処理し、実行可能な推奨事項を出力します。
例えば：群衆エージェントが南スタンドが非常に密だと報告し、セキュリティエージェントが通常とは異なる急増を検知した場合、コーディネーターは直ちに重大度の高い優先決定を生成します。 「RESTRICT_ZONE — 南スタンドへの入場を一時的に停止する。」
ダッシュボード
これらをすべて実際の動きとして見せるために、ダークモードのNext.jsダッシュボードを作りました。ゾーンの負荷に応じてマーカーのサイズと色が動的に変化する、インタラクティブなLeafletマップを備えています。ポーリング用のフックが最新のエージェントレポートとコーディネーターの判断を2秒ごとに取得し、リアルタイムで、優先度順に並べたアクションのフィードを表示します。
デプロイと学び
最後に、マルチステージのDockerビルドを使ってモノレポ全体をコンテナ化し、Expressバックエンドが単一のコンテナからNext.jsの静的ビルドを提供できるようにしました。そしてそれを、サーバーレスでGoogle Cloud Runにデプロイしました。
ゼロからマルチエージェントのアーキテクチャを作るのは、非常にやりがいのある挑戦でした。複雑な状態を分離する方法、リアルタイムのティック（刻み）ベースのシミュレーションを扱う方法、そして優先順位付けのルールエンジンを構築する方法を学びました。
コードはGitHubで確認してください！
GitHub Repo： https://github.com/arpitpandey0307/Stadium-OS.git
ライブデプロイへのリンク： https://stadium-os-795750315067.us-central1.run.app/
