داده های مدیریت جمعیت حج و عمره

این مجموعه داده برای پشتیبانی از تحقیق و توسعه در سیستم های مبتنی بر هوش مصنوعی و واقعیت افزوده (AR) برای مدیریت جمعیت در طول زیارت حج و عمره در مکه، عربستان سعودی طراحی شده است. مجموعه داده طیفی از عوامل مؤثر بر رفتار جمعیت، فعالیت فردی زائر، شرایط محیطی، داده‌های بهداشتی، حوادث امنیتی و تعاملات با فناوری مانند سیستم‌های AR را در بر می‌گیرد.

این شامل 10000 رکورد از داده های شبیه سازی شده از انواع زائرانی است که در فعالیت های مذهبی، الگوهای حرکتی و پویایی جمعیت شرکت می کنند، با تمرکز بر جنبه های فیزیکی و فنی. این مجموعه داده می‌تواند برای آموزش مدل‌های یادگیری ماشینی برای پیش‌بینی جمعیت، مدیریت ایمنی، و راهنمایی شخصی زائران با استفاده از فناوری‌های AR استفاده شود.

ستون ها:
مهر زمانی: تاریخ و زمانی که رکورد ثبت شده است، نشان دهنده روز زیارت و زمان فعالیت است.

Location_Lat: مختصات عرض جغرافیایی (به طور تصادفی شبیه سازی شده) که مکان فعلی زائر را نشان می دهد.

Location_Long: مختصات طول جغرافیایی (به طور تصادفی شبیه سازی شده) که مکان فعلی زائر را نشان می دهد.

Crowd_Density: تراکم جمعیت در مکان فعلی، که می تواند ‘کم’، ‘متوسط’ یا ‘بالا’ باشد.

Movement_Speed: میانگین سرعتی که زائر در حال حرکت است که بر حسب متر بر ثانیه اندازه گیری می شود.

فعالیت_نوع: فعالیتی که زائر به آن می پردازد، مانند «طواف» (دور کعبه)، «نماز»، «استراحت»، «پیاده روی» یا «سعی» (پیاده روی بین تپه های صفا و مروه).

Weather_Conditions: آب و هوا در زمان ثبت، به عنوان مثال، “Clear”، “Cloudy” یا “Rainy”.

دما: دمای محیط بر حسب درجه سانتیگراد، از 30 درجه سانتیگراد تا 45 درجه سانتیگراد.

Sound_Level_dB: سطح صدای محیط بر حسب دسی بل، منعکس کننده نویز از جمعیت، بلندگوها یا فعالیت های دیگر.

AR_System_Interaction: وضعیت تعامل سیستم AR (اعم از اینکه زائر شروع کرده باشد، در حال انجام است یا با استفاده از سیستم هدایت AR تکمیل شده است).

خستگی_سطح: میزان خستگی زائر که می تواند “کم”، “متوسط” یا “بالا” باشد.

سطح استرس: سطح استرس درک شده زائر که می تواند “کم”، “متوسط” یا “بالا” باشد.

Queue_Time_minutes: زمان انتظار در چند دقیقه برای زائر، به عنوان مثال، در بازرسی های امنیتی، حمل و نقل یا ازدحام جمعیت.

Health_Condition: وضعیت سلامتی زائر که نشان می دهد زائر “عادی” است یا مشکلات بهداشتی مانند “گرمازدگی”، “غش کردن”، “مصدوم” یا “کم آبی” را تجربه کرده است.

گروه سنی: گروه سنی زائر که به «18-30»، «31-50»، «51-70» یا «70+» طبقه بندی می شود.

ملیت: ملیت زائر، مانند «سعودی»، «هندی»، «اندونزیایی»، «پاکستانی» یا «سایر».

Transport_Mode: حالت حمل و نقلی که زائر از آن استفاده می کند، مانند «اتوبوس»، «پیاده روی»، «ماشین» یا «قطار».

Waiting_Time_for_Transport: زمان انتظار در چند دقیقه برای زائران برای سوار شدن به وسایل حمل و نقل به اماکن مختلف زیارتی.

Security_Checkpoint_Wait_Time: زمان انتظار زائر در ایست های بازرسی امنیتی.

Emergency_Event: اینکه آیا یک رویداد اضطراری (به عنوان مثال، مشکل پزشکی، نقض امنیت) در آن زمان آغاز شده است، با علامت “بله” یا “خیر”.

Incident_Type: نوع حادثه، مانند “اقلام گمشده”، “سرقت”، “رفتار غیرقانونی”، “نقض امنیتی” یا “اورژانس پزشکی”.

Crowd_Morale: روحیه عمومی جمعیت که به عنوان “مثبت”، “خنثی” یا “منفی” طبقه بندی می شود، که می تواند عامل مهمی در رفتار کلی جمعیت باشد.

زائر_تجربه: خواه زائر «اولین بار» باشد یا «با تجربه» در حج یا عمره.

Interaction_Frequency: فراوانی فعل و انفعالات (مانند توقف، دوره استراحت، تشکیل گروه) توسط زائر در یک بازه زمانی مشخص.

فاصله_بین_مردم_متر: میانگین فاصله بین افراد در مجاورت زائر که بر حسب متر اندازه گیری می شود.

Event_Type: نوع رویداد در محل (به عنوان مثال، “فعالیت مذهبی”، “اورژانس پزشکی”، “تاخیر حمل و نقل” یا “ازدحام جمعیت”).

Time_Spent_at_Location_minutes: مدت زمان صرف شده در یک مکان خاص (مثلاً کعبه، منا، عرفات).

AR_Navigation_Success: آیا ناوبری هدایت‌شده AR در کمک به زائر در تکمیل مسیر مورد نظر خود موفق بوده است یا خیر.

Satisfaction_Rating: رتبه ای از رضایت زائران از تجربه زیارتی که در مقیاس 1 تا 5 اندازه گیری می شود.

Perceived_Safety_Rating: رتبه ای از اینکه زائر چقدر محیط را ایمن می بیند، همچنین در مقیاس 1 تا 5 اندازه گیری می شود.

استفاده:
مدل‌های هوش مصنوعی: از این مجموعه داده می‌توان برای توسعه مدل‌های یادگیری ماشین برای مدیریت جمعیت، پیش‌بینی ازدحام، تجزیه و تحلیل رفتار زائران و افزایش پروتکل‌های ایمنی استفاده کرد.
برنامه های کاربردی AR: مجموعه داده از توسعه سیستم های واقعیت افزوده برای راهنمایی زائران، کاهش ازدحام جمعیت و ارائه هشدارهای ایمنی در زمان واقعی پشتیبانی می کند.
سلامت و ایمنی: برای بهبود زمان پاسخگویی و اقدامات پیشگیرانه، خطرات بهداشتی و ایمنی را در جمعیت بزرگ، مانند خستگی، استرس، و فوریت‌های پزشکی تجزیه و تحلیل کنید.
شبیه سازی جمعیت: محققان و توسعه دهندگان می توانند از این مجموعه داده برای شبیه سازی رفتار جمعیت و آزمایش مداخلات برای بهبود جریان جمعیت و ایمنی استفاده کنند.
کاربردهای بالقوه:
سیستم های مدیریت جمعیت در زمان واقعی: استفاده از هوش مصنوعی و AR برای نظارت و مدیریت تراکم و حرکت جمعیت در زمان واقعی.
کمک شخصی برای زائران: توسعه ناوبری شخصی و توصیه‌های ایمنی از طریق AR.
سیستم‌های سلامت پیش‌بینی‌کننده: استفاده از داده‌های سلامت و خستگی برای پیش‌بینی و پیشگیری از حوادث مرتبط با سلامت در بین زائران.
نظارت بر امنیت: افزایش اقدامات امنیتی با شناسایی حوادثی مانند سرقت یا فوریت های پزشکی از طریق تجزیه و تحلیل هوش مصنوعی.

ویژگی های کلیدی:
دینامیک جمعیت: اطلاعات در مورد تراکم جمعیت، سرعت حرکت و تعاملات در مکان های زیارتی.
سلامت و ایمنی: داده‌های مربوط به خستگی، سطح استرس، شرایط سلامتی و وجود حوادث اضطراری.
عوامل محیطی: شرایط آب و هوایی، دمای محیط و سطح صدا در طول زیارت.
تعامل سیستم AR: سوابق استفاده از سیستم واقعیت افزوده، از جمله موفقیت و وضعیت تعامل.
حمل و نقل و امنیت: داده های مربوط به زمان انتظار، حالت های حمل و نقل و تأخیرهای ایست بازرسی امنیتی.
جمعیت شناسی زائر: اطلاعات مربوط به گروه های سنی، ملیت و سطح تجربه (برای اولین بار یا با تجربه).

محققان و توسعه دهندگان می توانند از این مجموعه داده برای ساخت مدل های مبتنی بر هوش مصنوعی برای پیش بینی حرکت جمعیت، مدیریت ازدحام و بهینه سازی ناوبری مبتنی بر واقعیت افزوده برای زائران استفاده کنند. همچنین از مطالعات پیش‌بینی خطر سلامت، مدیریت امنیت و تجزیه و تحلیل رفتار جمعیت پشتیبانی می‌کند. داده‌ها فعالیت‌های زیارتی متنوعی را منعکس می‌کنند و شامل اطلاعات کلیدی مانند مکان، آب و هوا، تراکم جمعیت، نوع فعالیت، وضعیت سلامت و تعامل با سیستم‌های AR می‌شوند.