کاربرد هوش مصنوعی در تحلیل و پیش بینی الگوهای ترافیکی شهری (مطالعه موردی تهران، تبریز و کرمان)

افزایش بی رویه تردد خودروها در کلان شهرهای ایران به ویژه در تهران، تبریز و کرمان طی سال های اخیر موجب بروز چالش های گسترده در حوزه مدیریت شهری، آلودگی هوا و کاهش کیفیت زندگی شهروندان شده است. این پژوهش با هدف بررسی و تحلیل کاربرد هوش مصنوعی در پیش بینی و تحلیل الگوهای ترافیکی شهری انجام شده است تا الگویی بومی برای مدیریت هوشمند حمل ونقل ارائه دهد. داده های تحقیق از منابع رسمی شامل سامانه های هوشمند حمل ونقل شهری (ITS)، مرکز کنترل ترافیک شهرداری ها و گزارش های پلیس راهور جمهوری اسلامی ایران در بازه زمانی ۱۴۰۰ تا ۱۴۰۳ گردآوری شده است. روش پژوهش از نوع توصیفی-تحلیلی و کاربردی بوده و در تحلیل داده ها از الگوریتم های شبکه عصبی مصنوعی (ANN)، درخت تصمیم (CART) و رگرسیون چندمتغیره استفاده شده است. یافته ها نشان می دهد که مدل ANN در پیش بینی تراکم ترافیک با ضریب تعیین ۰.۹۳ برای تهران، ۰.۹۰ برای تبریز و ۰.۸۸ برای کرمان دقت بالاتری نسبت به سایر مدل ها دارد. تحلیل های فصلی نشان داد که بیشترین تراکم در تهران در زمستان، در تبریز در پاییز و در کرمان در تابستان رخ می دهد. نتایج حاکی از آن است که تلفیق فناوری های هوش مصنوعی با سامانه های ترافیکی موجود، می تواند منجر به کاهش میانگین زمان سفر تا ۲۸ درصد و افزایش سرعت عبور و مرور در محورهای اصلی تا ۳۵ درصد شود. در بخش تحلیل SWOT نیز نقاط قوت، ضعف، فرصت ها و تهدیدهای سیستم های هوشمند مدیریت ترافیک شهری ایران شناسایی شد.

کلیدواژه ها:

هوش مصنوعی ، مدیریت ترافیک شهری ، شبکه عصبی مصنوعی ، سامانه هوشمند حمل ونقل ، تحلیل SWOT