شبیه سازی و تحلیل چندمعیاره موج سبز در کلان شهر اصفهان با تکیه بر داده های باز و IoT

زمان بندی ناکارآمد چراغ های راهنمایی یکی از عوامل اصلی تشدید ازدحام شهری است که منجر به افزایش زمان سفر، مصرف سوخت و انتشار آلاینده ها می شود. با وجود پیشرفت های اخیر در سامانه های هوشمند، هنوز یک چارچوب سبک وزن، بازتولیدپذیر و مبتنی بر داده های باز برای ارزیابی راهبردهای هماهنگی چراغ ها در مقیاس شهری در دسترس نیست. در این پژوهش، یک چارچوب داده باز مبتنی بر OSM و تحلیل گراف ارائه شده است که به طور خودکار چراغ ها را مکان یابی کرده و در صورت نقص داده تقاطع های اصلی را تکمیل می کند. این چارچوب سپس دو حالت پایه فاصله زمانی بین فازهای صفر و موج سبز (فاصله زمانی بین فازهای هماهنگ حول مرکز فاز سبز با سرعت پیشروی خودکار را بر روی دو محور ترافیکی اصلی کلان شهر اصفهان، خیابان های انقلاب-شمس آبادی و حکیم نظامی، در سه سطح تقاضای ترافیک کم، متوسط، زیاد، شبیه سازی و مقایسه می کند. ارزیابی چندمعیاره بوده و علاوه بر شاخص های تحرک، زمان سفر، تاخیر، توقف ها، شاخص های پایداری، مصرف سوخت و انتشار CO۲ را نیز در نظر گرفته است. نتایج نشان می دهند که موج سبز به طور میانگین موجب کاهش ۴۷ درصد در تاخیر، بهبود ۱۰.۷ درصد در زمان سفر، و کاهش در مصرف سوخت و انتشار CO۲ شده است. افزون براین، تحلیل حساسیت نسبت به طول، چرخه سهم سبز و سرعت پیشروی نشان می دهد که سرعت متوسط بهینه در بازه ی ۳۰ تا ۳۵ کیلومتر بر ساعت بیشترین کارایی را فراهم می سازد. ویژگی کلیدی این پژوهش آن است که چارچوب پیشنهادی کاملا داده باز و قابل اتصال به داده های بلادرنگ IoT و سامانه های GPS شهری است. این قابلیت امکان توسعه ی سریع به یک سیستم مدیریت ترافیک هوشمند و کم هزینه را فراهم می سازد و می تواند به عنوان یک ابزار پشتیبان تصمیم برای مدیران شهری در مسیر شهرهای هوشمند پایدار به کار رود.

کلیدواژه ها:

انتشار آلاینده ها ، ترافیک ، شهری ، شبیه سازی ترافیک ، محور ترافیکی ، موج سبز