کاربرد مدل های آماری پیشرفته در پیش بینی ترافیک شهری کلانشهر اراک

افزایش جمعیت شهری و استفاده گسترده از وسایل نقلیه شخصی، ترافیک را به یکی از چالش های اساسی مدیریت شهری تبدیل کرده است. پیش بینی دقیق ترافیک نقش حیاتی در برنامه ریزی هوشمند شهری، کاهش آلودگی هوا و بهبود کیفیت زندگی شهروندان ایفا می کند. این پژوهش با هدف بررسی کارایی مدل های آماری پیشرفته در پیش بینی ترافیک در شهر اراک انجام شده است. داده های ترافیکی از ایستگاه های نظارت هوشمند ترافیک (ITS) در منطقه ۲ اراک که پرتردد طی سال های ۱۴۰۰ تا ۱۴۰۲ جمع آوری شد. از سه مدل رگرسیون چندمتغیره، سری های زمانی (ARIMA) و شبکه عصبی مصنوعی (ANN) برای پیش بینی تراکم ترافیکی استفاده شد. نتایج نشان داد که مدل ANN با داشتن خطای میانگین مربعات (RMSE) برابر با ۰.۱۸ و ضریب تبیین (R²) معادل ۰.۹۳، عملکرد بهتری نسبت به مدل های آماری سنتی دارد. همچنین، تلفیق داده های آب وهوایی، زمانی (روز هفته، تعطیلات) و تاریخی به طور قابل توجهی دقت پیش بینی را افزایش داد. یافته ها نشان می دهند که استفاده از ترکیب آمار، احتمال و فناوری اطلاعات می تواند به ایجاد سیستم های مدیریت ترافیک هوشمند (ITS) در شهرهای بزرگ کمک کند.

کلیدواژه ها:

پیش بینی ترافیک ، مدل های آماری ، سری زمانی ، شبکه عصبی مصنوعی ، مدیریت شهری ، شهر هوشمند