مدل سازی و بهینه سازی جریان ترافیک شهری با استفاده از سیستم های بینایی کامپیوتری و شبیه سازی گسسته-پیشامد در شهرداری قائم شهر

رشد روزافزون تقاضای سفر درون شهری و محدودیت منابع زیرساختی، مدیریت ترافیک را به یکی از چالش های اصلی شهرداری قائم شهر تبدیل کرده است. در این پژوهش، ترکیب نوینی از «سیستم های بینایی کامپیوتری» و «شبیه سازی گسسته-پیشامد» (DES) برای مدل سازی و بهینه سازی جریان ترافیک معرفی می شود. ابتدا با نصب ۲۶ دوربین هوشمند در تقاطع های پرتردد، داده های زمان حقیقی شامل چگالی خودرو، سرعت لحظه ای و نوع وسیله نقلیه استخراج گردید. سپس با استفاده از شبکه عصبی- کانولوژن (CNN) و الگوریتم YOLOv۸، شمارش وسایل نقلیه با دقت mAP=۰.۹۲ انجام شد. خروجی بینایی در قالب توزیع های ورودی به روزرسانی شده وارد موتور شبیه سازی DES شده و سناریوهای مختلف اعم از تنظیم زمان چراغ، اولویت دهی به حمل ونقل عمومی و اعمال محدودیت زوج/فرد بررسی گردید. نتایج نشان داد که اعمال سیاست ترکیبی «تطبیق هوشمند زمان سبز» و «خط ویژه BRT در راستای اصلی» به طور میانگین ۲۳٪ کاهش زمان سفر، ۱۸٪ کاهش مصرف سوخت و ۱۵٪ افزایش سرعت متوسط شبکه را در ساعت اوج به همراه دارد. مدل پیشنهادی قابلیت پیاده سازی بر بستر Edge Computing شهرداری را دارد و می تواند به عنوان یک چارچوب تصمیم یار سریع (Real-Time Decision Support) در سایر شهرهای متوسط کشور توسعه یابد.

کلیدواژه ها:

مدل سازی ترافیک شهری ، سیستم های بینایی کامپیوتری ، شبیه سازی گسسته-پیشامد (DES)；بهینه سازی جریان ترافیک ، شبکه عصبی کانولوژن (CNN)； Edge Computing ، شهرداری قائم شهر