مروری بر روشهای نوین پیش بینی هوشمند جریان ترافیک

در سالهای اخیر، سیستم حمل و نقل هوشمند (ITS) به جهت بهبود سطح ایمنی جادهها، تسهیل مسیریابی و کنترل تراکم ترافیک به صورت چشم گیری توجه محققین را به خود جلب نموده است . چرا که با توسعه شهرها و افزایش تعداد وسایل نقلیه در جادهها، ازدحام، آلودگی هوا، ترافیک و افزایش بی رویه آمار تصادفات جادهای به یکی از چالش های مهم تبدیل شده است و با پیشرفت های ITS می توان در جهت ایجاد سیستم های حمل و نقل کارآمدتر و پایدارتر گام برداشت . در راستای ارائه یک نمای جامع تری از نقش پیش بینی ترافیک در سیستم های ITS، پس از معرفی برنامه های کاربردی ITS، در خصوص اثرات سازنده پیش بینی ترافیک بر عملکرد این برنامه ها بحث شده است . در این راستا روشهای پیش بینی کلی و همچنین برخی از مفاهیم اولیه پیش بینی جریان ترافیک معرفی شده و یک چارچوب کلی به منظور اجرای پیش بینی جریان ترافیک شرح داده است . در ادبیات فنی معمولا روشهای پیش بینی به صورت آماری و روشهای مبتنی بر یادگیری ماشین معرفی می شوند. روشهای آماری از قابلیت بهتری جهت تفسیر برخوردار هستند. اما ساختار مدل دقیق ، سازگاری را محدود می نماید. در حالی که مدلهای یادگیری ماشین انعطافپذیرتر می باشند. در این مقاله ویژگی های روشهای پیش بینی هوشمند جریان ترافیک معرفی شده تا گامی جهت راهگشایی تحقیقات آینده گردد.

کلیدواژه ها:

تخمین جریان ترافیک ، یادگیری ماشین ، سیستم حمل و نقل هوشمند