تقييم ازدحام الحشود باستخدام التكتل ذي الدقة المتغيرة

Abstract

يتطرق هذا البحث لمشكلة ازدحام الحشود والتي تحدث في عدة مواقع في الحج والعمرة كمداخل المسجد الحرام وجسر الجمرات من خلال حل يعتمد على تقنية التكتل، فعند التقاط صورة علوية للحشود المراد تحليلها يبدأ الخوارزم بإيجاد الكتل ذات الكثافة العالية التي تتسم بتقارب أعضاء الكتلة الواحدة بمسافة لا تزيد عن حد معين، وبما أن الازدحام يحصل دائما في الكتل البشرية الضخمة، فإن الكتل التي يستخرجها الخوارزم تفرز حسب أحجامها حيث تستبعد الكتل الصغيرة بينما تخضع الكتل الكبيرة لمزيد تحليل ومعالجة، ولأن ثمة احتمال بأن تكون إحدى تلك الكتل الكبيرة ما هي إلا تجمع لكتل أصغر تبدو كما لو كانت كتلة واحدة، فإن الكتل الكبيرة المستخرجة في المرحلة السابقة تخضع لعملية تكتل مرة أخرى ولكن باعتبار مسافة أقرب بين أعضاء الكتلة الواحدة وبهذه الطريقة فإن الكتل الصغيرة التي كانت تميز بأنها كتلة واحدة مندمجة ستنفصل عن بعضها البعض ومن ثم تستبعد، بينما الكتل الكبيرة ستصمد أمام محاولة تقسيمها فيميزها الخوارزم بأنها كتل واحدة مزدحمة، ثم يتم أخيرا تقييم درجة الازدحام إلى ثلاث درجات: أشد درجة حينما توجد الكتل الكبيرة في كلتا المرحلتين، أما أوسطها فحين تظهر الكتل الكبيرة في المرحلة الأولى ثم تختفي في الثانية، وحين لا تظهر الكتل الكبيرة عتد المرحلة الأولى فتلك أقل درجات الزحام.

This work addresses the problem of crowd congestion that could happen in many places in the Hajj and Umrah such as at the gates of the Haram or the Jamaraat Bridge. The proposed solution utilizes unsupervised clustering technique that is applied on a top view image of the crowd. The first stage of the algorithm determines the number of clusters whose members are within proximity threshold. Based on the fact that large clusters are likely to represent a congestion, clusters are qualified upon their sizes where small clusters are disqualified as congestion candidates. However, it is still possible that a big cluster might consist of smaller clusters that are recognized as one super-cluster due to the coarse resolution of the proximity threshold applied in the first stage. Therefore, a potential congested cluster is further analyzed using a proximity threshold of finer granularity to examine its steadfastness against sub-clustering. Finally, based on the outcomes of the two stages, the degree of congestion is assessed into three levels: the highest degree is when big clusters appear in the first stage and persist in the second, the moderate degree is when big clusters appear in the first stage, but disappear in the second, whereas the lowest degree is when no big cluster appear at all. The algorithm is tested under different scenarios of various degrees of congestion.