کاربرد مدلهای پیشبینی مبتنی بر هوش مصنوعی در مدیریت ترافیک شهری مطالعه موردی منطقه ۶ تهران

شهرهای امروزی با چالشهای پیچیده ای چون ترافیک، آلودگی هوا و تخصیص ناکارآمد منابع روبرو هستند. این پژوهش با بهره گیری از رویکردی نوین به کاربرد هوش مصنوعی و به طور خاص شبکه های عصبی عمیق برای پیش بینی و بهینه سازی جریان ترافیک در کلان شهر تهران می پردازد. داده های مورد استفاده در این مطالعه شامل داده های لحظه ای ترافیکی از حسگرهای اینترنت اشیا، اطلاعات مکانی سامانه اطلاعات جغرافیایی و داده های تاریخی ترافیک منطقه ۶ تهران در بازه زمانی ۱۴۰۰-۱۴۰۲ بوده است. پس از پاکسازی و پیش پردازی داده ها، یک مدل پیش بین بر پایه معماری حافظه بلند-کوتاه مدت طراحی و با استفاده از چارچوب نرم افزاری تنسور فلو پیاده سازی شد. یافته های تحقیق حاکی از آن است که مدل پیشنهادی قادر است با دقت ۹۴ حجم ترافیک در شریان های اصلی را برای ۶۰ دقیقه آینده پیش بینی کند. شبیه سازی ها نشان می دهد به کارگیری این مدل در یک سیستم کنترل هوشمند چراغ های راهنمایی می تواند منجر به کاهش ۲۲% میانگین زمان سفر و کاهش ۱۸% انتشار آلاینده ی دی اکسید کربن در ساعت اوج ترافیک شود. این نتایج گویای پتانسیل بالای فناوری های مبتنی بر هوش مصنوعی در ارتقای تاب آوری و هوشمندی سیستم های مدیریت شهری است و می تواند به عنوان نقشه راهی برای برنامه ریزان و مدیران شهری مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی ، مدیریت ترافیک شهری ، شبکه های عصبی عمیق ، حافظه بلند-کوتاه مدت ، تهران