| Title: | Napovedovanje števila dohodnih klicev sistema javne varnosti za klic v sili 112 ob uporabi odprtih podatkov interneta stvari |
|---|
| Authors: | Grašič, Valerij (Author)
Boshkoska, Biljana Mileva (Mentor) More about this co-author...  |
|---|
| Language: | Slovenian |
|---|
| Work type: | Doctoral dissertation |
|---|
| Tipology: | 2.08 - Doctoral Dissertation |
|---|
| Organization: | FIŠ - Faculty of Information Studies in Novo mesto |
|---|
| Abstract: | Na svetu je veliko naravnih razmer, kot so potresi, cunamiji, poplave in žled, ki povzročajo nesreče večjega obsega. Informacije o takšnih dogodkih zbirajo sistemi javne varnosti za klic v sili 112. Ključno vprašanje v okviru podane naloge je vnaprejšnja klasifikacija dohodnih klicev na klic v sili 112. Medtem ko napovedovanje dohodnih klicev v Sloveniji temelji na povprečnem in največjem številu dohodnih klicev, je vsebina doktorske disertacije povezana z zagotavljanjem bolj dinamičnega, inteligentnejšega in na umetni inteligenci utemeljenega napovedovanja števila dohodnih klicev na sistem javne varnosti, ki je ovrednoteno za Ljubljano in Slovenijo z upoštevanjem vseh dohodnih klicev na sistem za klic v sili 112.
Narejena je primerjava petih različnih metod klasifikacije za mesto Ljubljana in celotno Slovenijo. Skupaj je uporabljenih 20 atributov za Ljubljano ter 176 atributov za Slovenijo. Število dohodnih klicev se razdeli v dva velikostna razreda, to sta razreda regularni in alarm, ter v štiri velikostne razrede, kjer se razred regularni dodatno razdeli še na razrede majhen, normalen in povečan. Podatki so zbrani na dnevni osnovi za dve časovni obdobji, označeni kot prvo (za leta 2013–2016) in drugo (za leto 2018). Za klasifikacijo so uporabljene metode Naive Bayes, SVM, AdaBoostM1, J48 ter Random Forest, in sicer po kvartalih ter za celotno opazovano obdobje. Rezultati ovrednotenja kažejo, da je najboljša metoda Random Forest, dobre rezultate pa izkazujejo tudi metode J48, Naive Bayes, AdaBoostM1 in SVM. V najboljšem klasifikacijskem primeru s podatki za Slovenijo in metodo Random Forest z dvema razredoma je bila dosežena točnost 94,6 % za celotno obdobje in 98,1 % po kvartalih ter za štiri razrede dosežena točnost 69,2 % za celotno obdobje in 82,5 % po kvartalih.
Na osnovi rezultatov ovrednotenja so podani dodatni predlogi, kako pristopiti k napovedovanju števila dohodnih klicev za različne primere. Podani rezultati in predlogi v okviru doktorskega dela so korak naprej v smeri napovedovanja dohodnih klicev. S tem je možno izboljšati zavedanje situacije v kontrolnih sobah, kar vključuje tako dinamiko klicev kot tudi vnaprejšnjo pripravljenost različnih služb na izjemne dogodke. |
|---|
| Keywords: | javna varnost, 112, pametno mesto, varno mesto, klasifikacija, internet stvari (IoT) |
|---|
| Year of publishing: | 2021 |
|---|
| Publisher: | {V. Grašič} |
|---|
| Source: | Novo mesto |
|---|
| COBISS_ID: | 67602435 |
|---|
| UDC: | 004:351.78(043.3) |
|---|
| Views: | 1519 |
|---|
| Downloads: | 131 |
|---|
| Files: |  RAZ_Grasic_Valerij_i2021.pdf (5,56 MB)
|
|---|
| | | Metadata: |     |
|---|
| Licenca: | Priznanje avtorstva-Nekomercialno-Brez predelav  |
|---|
| | | | Average score: | (0 votes) |
|---|
| Your score: | Voting is allowed only for logged in users. |
|---|
Hover the mouse pointer over a document title to show the abstract or click
on the title to get all document metadata. |