基于 DBSCAN 算法的校园智能人员密集检测与可视化
计算机与社会
2024-10-18 v1 人机交互
摘要
多学科研究结合人工智能 (AI)、物联网 (IoT)、区块链和大数据分析,降低了企业生产效率的门槛,换言之,这些领域的协同工作推动了数字化转型在所有领域的应用。例如,人工智能 (AI) 使得自动化进程成为可能,物联网 (IoT) 连接了设备和物理对象,实现了实时数据收集与分析。区块链提供了安全透明的交易和数据存储方式。大数据分析使企业能够从海量数据中获取有价值的见解。随着这些技术的持续演进,我们可以期待在未来看到更多创新和收益。本文探讨了使用 Mobile Crowd Sensing (MCS) 和可视化算法在大学校园上检测人员密集的可行性。通过调查来评估大学社区对提供人员密集信息的移动应用程序的感知,并使用随机生成的数据和 DBSCAN 算法进行检测情景模拟。初步结果表明,该系统是可行的,且可能是防止因人员密集导致事故以及管理公共空间的有用工具。讨论了本研究的局限性并提出了未来研究的方向,如人员预测、数据隐私和可视化优化。
引用
@article{arxiv.2410.12797,
title = {Identification of crowds using mobile crowd detection (MCS) and visualization with the DBSCAN algorithm for a Smart Campus environment},
author = {Luis Chirinos-Apaza},
journal= {arXiv preprint arXiv:2410.12797},
year = {2024}
}