مدل سازی ترافیک شهری با استفاده از الگوریتم های هوش مصنوعی

شهر سنندج به عنوان یکی از کلان شهرهای استان کردستان با رشد جمعیت و افزایش تعداد وسایل نقلیه، با معضلات جدی ترافیک شهری مواجه است که باعث کاهش کیفیت زندگی شهری و نارضایتی شهروندان شده است. ترافیک سنگین به ویژه در هسته مرکزی و معابر اصلی این شهر، ناشی از افزایش خودروی شخصی، ناکارآمدی ناوگان حمل ونقل عمومی، و نبود سامانه های پیش بینی دقیق ترافیکی است. این پژوهش با هدف بهبود تحلیل و پیش بینی وضعیت ترافیک در سنندج، از الگوریتم های پیشرفته هوش مصنوعی بهره می برد. داده های ترافیکی شامل حجم تردد خودروها، سرعت متوسط، و شاخص های تراکم در بازه های زمانی مختلف از طریق سامانه های سنجش، دوربین های ترافیکی و داده های شهری جمع آوری می شود. این داده ها پس از پیش پردازش و پاک سازی، برای آموزش مدل های یادگیری ماشین مانند شبکه های عصبی بازگشتی (RNN)، گراف کانولوشن نتورک (GCN) و مدل های توجه محور مورد استفاده قرار می گیرند. نتایج نشان می دهد که مدل های هوش مصنوعی قادرند الگوهای زمانی و فضایی ترافیک سنندج را با دقت بالا پیش بینی کنند و نسبت به روش های سنتی تحلیل ترافیک بهبود قابل توجهی در دقت پیش بینی ایجاد نمایند. به علاوه، این مدل ها می توانند در سامانه های مدیریت ترافیک هوشمند برای هشدارهای پیش رو، بهینه سازی زمان بندی سیگنال های نوری و تخمین بار ترافیکی در ساعت های اوج تردد به کار گرفته شوند. نتیجه این پژوهش می تواند به مدیران شهری در سنندج کمک کند تا استراتژی های کنترل ترافیک موثرتر و مبتنی بر داده تدوین کنند و گامی در جهت توسعه حمل ونقل هوشمند و پایدار بردارند.

کلیدواژه ها:

ترافیک شهری ، هوش مصنوعی ، یادگیری ماشین ، پیش بینی ترافیک ، سنندج