Return to search

An Architecture for Crowd Density Estimation in Heterogenous Opportunistic Environment

[ES] Esta tesis presenta un nuevo modelo llamado "Modelo dinámico de interacción social y multitud urbana (DUCSIM)", que tiene como objetivo calcular la densidad de multitudes y descifrar las redes sociales en entornos oportunistas. Con la creciente similitud de los dispositivos electrónicos conectados a Internet y la influencia generalizada de las redes sociales en línea, se ha creado un enorme rastro digital. Las huellas digitales basadas en la movilidad humana y el mayor uso de sistemas de comunicación inalámbrica como 3G, 4G y 5G forman una rica base de datos que puede analiarse.

Estas huellas digitales ofrecen una forma única de modelar los patrones de multitud dentro de diferentes contextos, como asambleas espontáneas en espacios públicos y escenarios planificados, como en el caso de los megaeventos. El estudio se centra en el desafío de las reuniones multitudinarias oportunistas, donde las personas se congregan por diferentes motivos sin planificación; manifiestan sus movimientos de forma dinámica e inesperada. El análisis del comportamiento humano en las ciudades modernas y desarrolladas requiere que estas reuniones se produzcan en centros comerciales, cruces de carreteras y flash mobs.

El análisis macroscópico de la densidad de multitudes basado en datos de las torres de telefonía móvil sirve como primera etapa para delinear el marco DUCSIM. Se adopta el método Median-of-Median (M-o-M) para mayor solidez, ya que este análisis implica umbrales de conteo bruto de multitudes diario y semanal. Las densidades de multitud se clasifican en cuartiles para mostrar distintos grados de distribución de la multitud. A través del análisis macroscópico, el marco avanza hacia el análisis de movilidad acumulativa de multitudes. La dinámica del movimiento de multitudes se mide cambiando las señales de las torres de telefonía movil y formulando un mapa de densidad de multitudes para pronosticar sus movimientos posteriores.

Examina el microanálisis del movimiento individual y las relaciones interpersonales a menor escala. Incluye asignar personas a torres de telefonía móvil y formar gráficos de interacción social que infieren y actualizan las relaciones sociales.

La parte más importante de DUCSIM radica en su capacidad de aprender y adaptarse dinámicamente para crear un modelo de representación novedoso que se adapte al patrón recién detectado. Esta flexibilidad ayuda a garantizar la relevancia del marco, que debe actualizarse continuamente.

El modelado predictivo personalizado se combina con datos históricos que engloban la tesis. El marco utiliza densidades de multitudes anteriores y datos de movimiento para descubrir tendencias y predecir dinámicas de multitudes futuras, mejorando así la eficiencia de la planificación urbana, la respuesta a emergencias o las ciudades inteligentes.

El marco DUCSIM proporciona un método integral, flexible y de previsión para comprender y controlar los fenómenos de aglomeración urbana. Una forma moderna de análisis de datos que involucra varias fuentes de datos, respaldada por matemáticas rigurosas, hace que este método sea único para los estudios urbanos. Además, da impulso al ámbito académico y proporciona recomendaciones prácticas sobre la aplicación de esta metodología en la gestión y planificación de las ciudades modernas. / [CA] Aquesta tesi presenta un nou model anomenat "Dynamic Urban Crowd and Social Interaction Model (DUCSIM)", que té com a objectiu calcular la densitat de multituds i desxifrar xarxes socials en entorns oportunistes. Amb la creixent comú d'aparells electrònics enllaçats a Internet i la influència generalitzada de les xarxes socials en línia, s'ha creat un enorme rastre digital. Les traces digitals basades en la mobilitat humana i l'augment de l'ús de sistemes de comunicació sense fils com 3G, 4G i 5G formen una base de dades rica per ser analitzada.

Aquestes traces digitals ofereixen una manera única de modelar els patrons de multituds en diferents contextos, com ara assemblees espontànies en espais públics i escenaris planificats, com en el cas dels megaesdeveniments. L'estudi se centra en el repte de les reunions multitudinàries oportunistes, on la gent es congrega per diferents motius sense planificació; manifesten els seus moviments de manera dinàmica i inesperada. L'anàlisi del comportament humà a les ciutats modernes i desenvolupades requereix que aquestes reunions es produeixin en centres comercials, cruïlles de carreteres i flash mobs.

L'anàlisi macroscòpic de la densitat de multituds basada en dades de les torres de telefonía mòbil serveix com a primera etapa per descriure el marc DUCSIM. El mètode M-o-M s'adopta per a la robustesa, ja que aquesta anàlisi implica umbrals de recompte de multituds diaris i setmanals. Les densitats de multitud es classifiquen en quartils per mostrar diferents graus de distribució de multitud. Mitjançant l'anàlisi macroscòpic, el marc avança cap a l'anàlisi de la mobilitat acumulat de multituds. La dinàmica del moviment de la multitud es mesura canviant els senyals de les torres de telefonía mòbil i formulant un mapa de densitat de la multitud per preveure els seus moviments posteriors.

Examina el microanàlisi del moviment individual i les relacions interpersonals a menor escala. Inclou assignar persones a torres de telefonía mòbil i formar gràfics d'interacció social que dedueixin i actualitzin les relacions socials.

La part més important de DUCSIM està en la seua capacitat per aprendre i adaptar-se de manera dinàmica per crear un model de representació nou que s'adapte al patró recentment detectat. Aquesta flexibilitat ajuda a garantir la rellevància del marc, que s'ha d'actualitzar contínuament.

El modelatge predictiu personalitzat es combina amb les dades històriques que engloben la tesi. El marc utilitza dades de moviment i densitats de multitud anteriors per descobrir tendències i predir les properes dinàmiques de multituds, millorant així l'eficiència de la planificació urbana, la resposta d'emergència o les ciutats intel·ligents.

El marc DUCSIM proporciona un mètode complet, flexible i de previsió per entendre i controlar els fenòmens d'aglomeracions urbanes. Una forma moderna d'anàlisi de dades que inclou diverses fonts de dades, amb el suport de matemàtiques rigoroses, fa que aquest mètode sigui únic per als estudis urbans. A més, dóna un impuls a l'àmbit acadèmic i ofereix recomanacions pràctiques sobre l'aplicació d'aquesta metodologia en la gestió i planificació de la ciutat moderna. / [EN] This thesis presents a new framework called the "Dynamic Urban Crowd and Social Interaction Model (DUCSIM)," which is aimed at calculating crowd density and deciphering social networks in opportunistic environments. With the growing commonality of internet-linked electronic gadgets and the widespread influence of online social networks, an enormous digital trail has been created. The digital traces based on human mobility and the increased usage of wireless communication systems such as 3G, 4G, and 5G form a rich database to be analyzed.

These digital traces offer a unique way of modelling the crowd patterns within different contexts, like spontaneous assemblies in public spaces and planned scenarios, as in the case of mega-events. The study focuses on the challenge of opportunistic crowd gatherings, where people congregate for different reasons without planning; they manifest their motions dynamically and unexpectedly. The analysis of human behaviour in modern, developed cities requires that these gatherings occur in malls, road junctions, and flash mobs.

Macroscopic crowd density analysis based on data from MOBILE towers serves as the first stage in outlining the DUCSIM framework. The Median-of-Median (M-o-M) method is adopted for robustness as this analysis involves daily and weekly raw crowd count thresholds. Crowd densities are ranked in quartiles to show varying degrees of crowd distribution. Through the macroscopic analysis, the framework progresses to cumulative crowd mobility analysis. Crowd movement dynamics are measured by changing signals from MOBILE towers and formulating a crowd's density map to forecast its subsequent motions.

It examines the micro-analysis of individual movement and interpersonal relations on a smaller scale. It includes assigning people to MOBILE towers and forming social interaction graphs that infer and update social relationships.

The most important part of DUCSIM lies in its ability to dynamically learn and adapt to create a novel representation model to suit the newly detected pattern. This flexibility helps to ensure the relevancy of the framework, which must be continually updated.

Custom predictive modelling combines with historical data that encompasses the thesis. The framework uses previous crowd densities and movement data to discover trends and predict upcoming crowd dynamics, thus improving urban planning efficiency, emergency response, or smart cities.

The DUCSIM framework provides a comprehensive, flexible and forecasting method of understanding and controlling urban crowd phenomena. A modern form of data analysis involving several data sources, supported by rigorous mathematics, makes this method unique for urban studies. Moreover, it gives impetus to the academic sphere and provides practical recommendations concerning the application of this methodology within modern city management and planning. / Addepalli, L. (2024). An Architecture for Crowd Density Estimation in Heterogenous Opportunistic Environment [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/204747

Identiferoai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/204747
Date03 June 2024
CreatorsAddepalli, Lavanya
ContributorsLloret Mauri, Jaime, Universitat Politècnica de València. Departamento de Comunicación Audiovisual, Documentación e Historia del Arte - Departament de Comunicació Audiovisual, Documentació i Història de l'Art
PublisherUniversitat Politècnica de València
Source SetsUniversitat Politècnica de València
LanguageEnglish
Detected LanguageSpanish
Typeinfo:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/acceptedVersion
Rightshttp://rightsstatements.org/vocab/InC/1.0/, info:eu-repo/semantics/openAccess

Page generated in 0.0035 seconds