تحلیل کلان داده های شهری با استفاده از هوش مصنوعی برای بهینه سازی طراحی زیرساخت های حمل و نقل

با رشد سریع جمعیت شهری و افزایش تراکم ترافیکی، طراحی و بهینه سازی زیرساخت های حمل و نقل شهری به یکی از مهم ترین مسائل مهندسی عمران و مدیریت شهری تبدیل شده است. استفاده از داده های کلان مقیاس به دست آمده از حسگرهای متعدد و سیستم های موقعیت یابی، همراه با الگوریتم های هوش مصنوعی، امکان تحلیل جامع و عمیق الگوهای ترافیکی و رفتار حرکتی شهروندان را فراهم ساخته است. در این پژوهش، چارچوبی جامع برای تحلیل کلان داده های شهری با هدف بهینه سازی طراحی زیرساخت های حمل و نقل ارائه شده است که شامل جمع آوری، پردازش و مدل سازی داده های ترافیکی در مقیاس وسیع می باشد. داده های حاصل از حسگرهای ترافیکی، دوربین های نظارتی و دستگاه های GPS با بهره گیری از تکنیک های یادگیری ماشین تحلیل شده و الگوهای پیچیده حرکت و تراکم ترافیک استخراج می شود. سپس، با استفاده از مدل های پیش بینی هوشمند، پیشنهاداتی برای بهبود طراحی بزرگراه ها، پل ها و ایستگاه های حمل و نقل ارائه می گردد. نتایج این تحقیق نشان دهنده افزایش قابل توجه کارایی شبکه حمل و نقل، کاهش زمان سفر، بهینه سازی مصرف سوخت و کاهش آلودگی هوا است. این پژوهش نشان می دهد که ترکیب کلان داده و هوش مصنوعی می تواند نقش بسزایی در توسعه زیرساخت های حمل و نقل هوشمند و پایدار ایفا کند و به تصمیم گیری های داده محور و دقیق در حوزه مدیریت شهری کمک نماید.

کلیدواژه ها:

کلان داده شهری ، هوش مصنوعی ، بهینه سازی حمل و نقل ، تحلیل ترافیک ، زیرساخت های هوشمند حمل و نقل