Εφαρμογή τεχνικών μηχανικής μάθησης για την πρόβλεψη της
κατανομής των επισκεπτών σε μεγάλες εκδηλώσεις, κάνοντας
χρήση δεδομένων τοποθεσίας

Μπερδελής, Αναστάσιος; Berdelis, Anastasios

dc.contributor.author	Μπερδελής, Αναστάσιος	el
dc.contributor.author	Berdelis, Anastasios	en
dc.date.accessioned	2019-05-20T08:12:59Z
dc.date.available	2019-05-20T08:12:59Z
dc.date.issued	2019-05-20
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48774
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16568
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Ταξινόμηση	el
dc.subject	Συσταδοποίηση	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Υπολογιστικό νέφος	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Classification	el
dc.subject	Clustering	el
dc.subject	Machine learning	el
dc.subject	Fog computing	el
dc.subject	Neural networks	el
dc.title	Εφαρμογή τεχνικών μηχανικής μάθησης για την πρόβλεψη της κατανομής των επισκεπτών σε μεγάλες εκδηλώσεις, κάνοντας χρήση δεδομένων τοποθεσίας	el
heal.type	bachelorThesis
heal.classification	Πληροφορική	el
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-01-14
heal.abstract	Η διαχείριση του πλήθους (crowd management) σε μεγάλες εκδηλώσεις εντός των έξυπνων πόλεων, είναι ένα κεφάλαιο το οποίο απασχολεί σε μεγάλο βαθμό τους ερευνητές τα τελευταία χρόνια. Οι εκδηλώσεις αυτές αφορούν τη συγκέντρωση κόσμου σε μία συγκεκριμένη περιοχή, με σκοπό την παρακολούθηση ενός μουσικού φεστιβάλ, ενός αθλητικού αγώνα, μίας παρέλασης, ή ακόμα και μιας ομιλίας. Στόχος είναι η καλύτερη εξυπηρέτηση του κοινού, καθώς και η λήψη μέτρων ασφαλείας, για την αποφυγή ατυχημάτων σε περίπτωση κινδύνου. Μελετώντας τη συμπεριφορά του πλήθους, αντλούμε σημαντικές πληροφορίες για την επίτευξη των παραπάνω. Στην παρούσα διπλωματική, αρχικά προτείνεται μια αρχιτεκτονική ομίχλης (fog architecture) για την υποστήριξη μεγάλων εκδηλώσεων. Σύμφωνα με την αρχιτεκτονική αυτή, η διαχείριση των εργασιών κατανέμεται είτε στις τοπικές συσκευές (edge devices), είτε στο νέφος (cloud), βάσει του προβλεπόμενου φόρτου εργασίας. Στη συνέχεια, εξετάζουμε πως με τη χρήση τεχνικών μηχανικής μάθησης, αξιοποιώντας δεδομένα χωρικών συντεταγμένων και ανοιχτών πηγών, μπορούμε να προβλέψουμε την κατανομή του κόσμου στο χώρο ενός φεστιβάλ. Παρατηρούμε πως οι καιρικές συνθήκες, καθώς και η δημοτικότητα των καλλιτεχνών επηρεάζουν τη συμπεριφορά του κοινού εντός του φεστιβάλ. Το φεστιβάλ που μελετήσαμε είναι ανοιχτού χώρου, ονομάζεται Das Fest και διεξήχθη στην Καρλσρούη της Γερμανίας. Τα δεδομένα που χρησιμοποιήσαμε αφορούν ένα ποσοστό των επισκεπτών του φεστιβάλ για τις χρονιές 2017 και 2018.	el
heal.abstract	Crowd management during large events is a very important aspect of smart cities. These events concern the grouping of people in a specific area, with the purpose of attending a music festival, an athletic event, a parade, a celebration or a public speaking. The organizers are responsible for public safety and servicing. By observing the crowd’s behavior, we are able to take measures in order to prevent accidents in case of emergency. In the following diploma thesis, we introduce a fog architecture supporting large events in smart cities.Workload, data and services are allocated into edge devices and cloud resources following a policy related to the visitors’ distribution prediction. Later on, combining machine learning techniques and open data resources, we examine whether it is possible to predict visitors’ behavior during large events. We observe how weather conditions and artists’ popularity affect the distribution of the visitors across the festval. The evaluation uses data collected from Das Fest, an open air large festival that took place in 2017 and 2018 in Karlsruhe, a city in southwest of Germany.	en
heal.advisorName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	83 σ.
heal.fullTextAvailability	true