نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi)
تجذب مناسك الحج والعمرة (Hajj and Umrah) ملايين الأشخاص إلى مكة المكرمة والمدينة المنورة سنويًّا، مما يجعلها أكبر تجمع بشري في العالم بمشاركة تقارب عدد ثلاثة ملايين شخص. تمثل إدارة سلامة هذه الحشود الضخمة قضية حرجة؛ حيث إن خطر التدافع والاكتظاظ يشكِّل تهديدات كبيرة للمعتمرين والحجاج. ومع سعي المملكة...
محفوظ في:
| المؤلفون الرئيسيون: | , |
|---|---|
| التنسيق: | Online |
| اللغة: | العربية الإنجليزية |
| منشور في: |
دار ثقيف للنشر والتوزيع
2026
|
| الموضوعات: | |
| الوصول للمادة أونلاين: | https://www.darthaqif.com/journals/index.php/alam-alkutub/article/view/63 |
| الوسوم: |
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
| _version_ | 1864483645519036416 |
|---|---|
| author | معوض, إبراهيم Moawad, Ibrahim |
| author_browse | Moawad, Ibrahim معوض, إبراهيم |
| author_facet | معوض, إبراهيم Moawad, Ibrahim |
| author_sort | معوض, إبراهيم |
| collection | OJS |
| description | تجذب مناسك الحج والعمرة (Hajj and Umrah) ملايين الأشخاص إلى مكة المكرمة والمدينة المنورة سنويًّا، مما يجعلها أكبر تجمع بشري في العالم بمشاركة تقارب عدد ثلاثة ملايين شخص. تمثل إدارة سلامة هذه الحشود الضخمة قضية حرجة؛ حيث إن خطر التدافع والاكتظاظ يشكِّل تهديدات كبيرة للمعتمرين والحجاج. ومع سعي المملكة العربية السعودية إلى أن تصبح رائدة عالميًّا في قطاع السياحة، يظهر أهمية وجود إدارة فعَّالة للحشود أكثر من أي وقت مضى لتقديم تجربة آمنة وسلسة لملايين الزوار. يقدم النموذج المقترح ثلاث مراحل رئيسة. أولاً، تجميع بيانات الفيديوهات والصور ومعالجتها (Pre-processing) بهدف تحسين جودتها وضمان ملاءمتها لتحليل التعلم العميق (Deep Learning Analysis). ثانيًا، تدريب شبكة عصبية عميقة (Deep Neural Network) لتحليل حركة الحشود، كثافتها، والمخاطر المحتملة. ثالثًا، تفعيل إجراءات إدارية مناسبة بناء على تصنيف كثافة الحشود إلى مستويات مختلفة (على سبيل المثال: من طبيعي وصولاً إلى ازدحام شديد). على سبيل المثال، إذا تبيَّن أن إحدى الساحات ذات "كثافة عالية"، يمكن للنظام أن يقترح توجيه المصلين الوافدين نحو أبواب أخرى أو تفعيل تنبيه لفِرَق السيطرة على الحشود. وعلى العكس، إن التصنيف "منخفض الكثافة" يوضح أن الأمور طبيعية. ومن خلال هذا التحليل والاستجابة الآلية، يهدف تنفيذ النموذج المقترح إلى تعزيز السلامة والراحة للمصلين، ودعم سلطات المسجد خصوصًا خلال فترات الازدحام القصوى. |
| format | Online |
| id | digilib-art-63 |
| institution | DigiLib-Tech |
| language | Arabic English |
| publishDate | 2026 |
| publishDateRange | 2026 |
| publishDateSort | 2026 |
| publisher | دار ثقيف للنشر والتوزيع |
| publisherStr | دار ثقيف للنشر والتوزيع |
| record_format | ojs |
| spelling | الباب الأول: المقالات نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi) A Proposed Model for Crowd Management Using Deep Learning in Al-Masjid Al-Nabawi معوض, إبراهيم Moawad, Ibrahim الذكاء الاصطناعى، إدارة الحشود، التعلم العميق، المسجد النبوي، الرؤية بالحاسب. Artificial Intelligence, Crowd Management, Deep Learning, Prophet’s Mosque, Computer Vision. تجذب مناسك الحج والعمرة (Hajj and Umrah) ملايين الأشخاص إلى مكة المكرمة والمدينة المنورة سنويًّا، مما يجعلها أكبر تجمع بشري في العالم بمشاركة تقارب عدد ثلاثة ملايين شخص. تمثل إدارة سلامة هذه الحشود الضخمة قضية حرجة؛ حيث إن خطر التدافع والاكتظاظ يشكِّل تهديدات كبيرة للمعتمرين والحجاج. ومع سعي المملكة العربية السعودية إلى أن تصبح رائدة عالميًّا في قطاع السياحة، يظهر أهمية وجود إدارة فعَّالة للحشود أكثر من أي وقت مضى لتقديم تجربة آمنة وسلسة لملايين الزوار. يقدم النموذج المقترح ثلاث مراحل رئيسة. أولاً، تجميع بيانات الفيديوهات والصور ومعالجتها (Pre-processing) بهدف تحسين جودتها وضمان ملاءمتها لتحليل التعلم العميق (Deep Learning Analysis). ثانيًا، تدريب شبكة عصبية عميقة (Deep Neural Network) لتحليل حركة الحشود، كثافتها، والمخاطر المحتملة. ثالثًا، تفعيل إجراءات إدارية مناسبة بناء على تصنيف كثافة الحشود إلى مستويات مختلفة (على سبيل المثال: من طبيعي وصولاً إلى ازدحام شديد). على سبيل المثال، إذا تبيَّن أن إحدى الساحات ذات "كثافة عالية"، يمكن للنظام أن يقترح توجيه المصلين الوافدين نحو أبواب أخرى أو تفعيل تنبيه لفِرَق السيطرة على الحشود. وعلى العكس، إن التصنيف "منخفض الكثافة" يوضح أن الأمور طبيعية. ومن خلال هذا التحليل والاستجابة الآلية، يهدف تنفيذ النموذج المقترح إلى تعزيز السلامة والراحة للمصلين، ودعم سلطات المسجد خصوصًا خلال فترات الازدحام القصوى. The rituals of Hajj and Umrah attract millions of people to Makkah and Madinah annually, making them the largest human gathering in the world, with nearly three million participants. Managing the safety of such massive crowds is a critical issue, as the risks of stampedes and overcrowding pose significant threats to pilgrims and visitors. With Saudi Arabia striving to become a global leader in the tourism sector, the importance of effective crowd management has become greater than ever to ensure a safe and seamless experience for millions of visitors. The proposed model consists of three main phases. First, video and image data are collected and subjected to pre-processing to improve their quality and ensure suitability for deep learning analysis. Second, a deep neural network (DNN) is trained to analyze crowd movement, density, and potential risks. Third, based on classifying crowd density into different levels (for example, from Normal to Heavily Crowded), appropriate management actions can be activated. For instance, if a particular courtyard is identified as having high density, the system can suggest redirecting worshippers to alternative gates or trigger an alert to crowd control teams. Conversely, a low-density classification indicates that conditions are normal. Through this analysis and automated response, the system aims to enhance the safety and comfort of worshippers, while providing strong support to mosque authorities, especially during peak crowding periods. دار ثقيف للنشر والتوزيع 2026-04-20 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf application/pdf https://www.darthaqif.com/journals/index.php/alam-alkutub/article/view/63 مجلة عالم الكتب; مجلد 42 عدد 2 (2026): المجلد الثاني والأربعون (العدد الثاني) أبريل 2026 / شوال 1447; 33-46 ALAM AL-KUTUB; Vol. 42 No. 2 (2026): Volume 42 (Issue 2) April 2026 / Shawwal 1447; 33-46 0258-1159 ar en https://www.darthaqif.com/journals/index.php/alam-alkutub/article/view/63/70 https://www.darthaqif.com/journals/index.php/alam-alkutub/article/view/63/71 الحقوق الفكرية (c) 2026 مجلة عالم الكتب |
| spellingShingle | الذكاء الاصطناعى، إدارة الحشود، التعلم العميق، المسجد النبوي، الرؤية بالحاسب. Artificial Intelligence, Crowd Management, Deep Learning, Prophet’s Mosque, Computer Vision. معوض, إبراهيم Moawad, Ibrahim نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi) |
| title | نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi) |
| title_alt | A Proposed Model for Crowd Management Using Deep Learning in Al-Masjid Al-Nabawi |
| title_full | نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi) |
| title_fullStr | نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi) |
| title_full_unstemmed | نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi) |
| title_short | نموذج مقترح لإدارة الحشود باستخدام التعلم العميق (Deep Learning) داخل المسجد النبوي (Al-Masjid Al-Nabawi) |
| title_sort | نموذج مقترح لإدارة الحشود باستخدام التعلم العميق deep learning داخل المسجد النبوي al masjid al nabawi |
| topic | الذكاء الاصطناعى، إدارة الحشود، التعلم العميق، المسجد النبوي، الرؤية بالحاسب. Artificial Intelligence, Crowd Management, Deep Learning, Prophet’s Mosque, Computer Vision. |
| topic_facet | الذكاء الاصطناعى، إدارة الحشود، التعلم العميق، المسجد النبوي، الرؤية بالحاسب. Artificial Intelligence, Crowd Management, Deep Learning, Prophet’s Mosque, Computer Vision. |
| url | https://www.darthaqif.com/journals/index.php/alam-alkutub/article/view/63 |
| work_keys_str_mv | AT mʿwḍạbrạhym nmwdẖjmqtrḥlạdạrẗạlḥsẖwdbạstkẖdạmạltʿlmạlʿmyqdeeplearningdạkẖlạlmsjdạlnbwyalmasjidalnabawi AT moawadibrahim nmwdẖjmqtrḥlạdạrẗạlḥsẖwdbạstkẖdạmạltʿlmạlʿmyqdeeplearningdạkẖlạlmsjdạlnbwyalmasjidalnabawi AT mʿwḍạbrạhym aproposedmodelforcrowdmanagementusingdeeplearninginalmasjidalnabawi AT moawadibrahim aproposedmodelforcrowdmanagementusingdeeplearninginalmasjidalnabawi |