نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi)
تجذب مناسك الحج والعمرة (Hajj and Umrah) ملايين الأشخاص إلى مكة المكرمة والمدينة المنورة سنويًّا، مما يجعلها أكبر تجمع بشري في العالم بمشاركة تقارب عدد ثلاثة ملايين شخص. تمثل إدارة سلامة هذه الحشود الضخمة قضية حرجة؛ حيث إن خطر التدافع والاكتظاظ يشكِّل تهديدات كبيرة للمعتمرين والحجاج. ومع سعي المملكة...
保存先:
| 主要な著者: | , |
|---|---|
| フォーマット: | Online |
| 言語: | アラビア語 英語 |
| 出版事項: |
دار ثقيف للنشر والتوزيع
2026
|
| 主題: | |
| オンライン･アクセス: | https://www.darthaqif.com/journals/index.php/alam-alkutub/article/view/63 |
| タグ: |
タグなし, このレコードへの初めてのタグを付けませんか!
|
| 要約: | تجذب مناسك الحج والعمرة (Hajj and Umrah) ملايين الأشخاص إلى مكة المكرمة والمدينة المنورة سنويًّا، مما يجعلها أكبر تجمع بشري في العالم بمشاركة تقارب عدد ثلاثة ملايين شخص. تمثل إدارة سلامة هذه الحشود الضخمة قضية حرجة؛ حيث إن خطر التدافع والاكتظاظ يشكِّل تهديدات كبيرة للمعتمرين والحجاج. ومع سعي المملكة العربية السعودية إلى أن تصبح رائدة عالميًّا في قطاع السياحة، يظهر أهمية وجود إدارة فعَّالة للحشود أكثر من أي وقت مضى لتقديم تجربة آمنة وسلسة لملايين الزوار. يقدم النموذج المقترح ثلاث مراحل رئيسة. أولاً، تجميع بيانات الفيديوهات والصور ومعالجتها (Pre-processing) بهدف تحسين جودتها وضمان ملاءمتها لتحليل التعلم العميق (Deep Learning Analysis). ثانيًا، تدريب شبكة عصبية عميقة (Deep Neural Network) لتحليل حركة الحشود، كثافتها، والمخاطر المحتملة. ثالثًا، تفعيل إجراءات إدارية مناسبة بناء على تصنيف كثافة الحشود إلى مستويات مختلفة (على سبيل المثال: من طبيعي وصولاً إلى ازدحام شديد). على سبيل المثال، إذا تبيَّن أن إحدى الساحات ذات "كثافة عالية"، يمكن للنظام أن يقترح توجيه المصلين الوافدين نحو أبواب أخرى أو تفعيل تنبيه لفِرَق السيطرة على الحشود. وعلى العكس، إن التصنيف "منخفض الكثافة" يوضح أن الأمور طبيعية. ومن خلال هذا التحليل والاستجابة الآلية، يهدف تنفيذ النموذج المقترح إلى تعزيز السلامة والراحة للمصلين، ودعم سلطات المسجد خصوصًا خلال فترات الازدحام القصوى. |
|---|