پیش بینی الگوهای ترافیکی کلانشهرها با استفاده از الگوریتم LSTM و داده های بلادرنگ (مطالعه موردی بزرگراه های تهران)

ترافیک شهری به عنوان یکی از چالش های اصلی کلانشهرها تاثیر مستقیمی بر اقتصاد، محیط زیست و کیفیت زندگی شهروندان دارد. این پژوهش با هدف توسعه یک مدل پیش بینی الگوهای ترافیکی در بزرگراه های تهران با استفاده از الگوریتم LSTM و داده های بلادرنگ انجام شده است. در این مطالعه تحلیلی-کاربردی داده های ترافیکی شامل سرعت، حجم ترافیک و زمان سفر از ۲۰ ایستگاه ثابت سنجش ترافیک در بزرگراه های اصلی تهران طی دوره ۶ ماهه جمع آوری گردید. پس از پیش پردازش داده ها مدل LSTM با معماری سه لایه و تابع فعال ساز ReLU طراحی و آموزش داده شد. مدل توسعه یافته قادر به پیش بینی ترافیک در افق های زمانی ۱۵، ۳۰ و ۶۰ دقیقه با دقت بالایی بود. نتایج نشان داد مدل پیشنهادی در پیش بینی الگوهای ترافیکی با میانگین خطای مربعات (۴٫۲MS کیلومتر بر ساعت و ضریب تعیین (۲) ۰,۹۴ عملکرد مطلوبی دارد. این سیستم میتواند به عنوان سامانه پشتیبان تصمیم گیری در مدیریت ترافیک تهران مورد استفاده قرار گیرد.

کلیدواژه ها:

پیش بینی ترافیک ، یادگیری عمیق LSTM ، کلانشهر ، تهران ، مدیریت ترافیک