کاربرد هوش مصنوعی در پیش بینی ترافیک شهری: مروری بر چالش ها و فرصت ها در شهرهای هوشمند

رشد شتابان شهرنشینی و پیچیدگی روزافزون سیستم های حمل ونقل، مدیریت ترافیک شهری را به چالشی حیاتی تبدیل کرده است. ظهور شهر هوشمند به عنوان پارادایمی جدید که بر پایه فناوری اطلاعات و ارتباطات بنا شده، راهکارهای نوینی ارائه می دهد [۱]. هدف این مقاله مروری-تحلیلی، بررسی نظام مند نقش هسته ای هوش مصنوعی و کلان داده در سیستم های حمل ونقل هوشمند برای پیش بینی و مدیریت ترافیک شهری است. روش تحقیق مبتنی بر مطالعه و تحلیل مقالات معتبر علمی انگلیسی و فارسی در بازه زمانی سه سال اخیر (۲۰۲۲-۲۰۲۴) است. یافته ها نشان می دهد که مدل های پیشرفته ای مانند شبکه های عصبی عمیق و LSTM با ادغام داده های حسگرها، تصاویر و شرایط محیطی، دقت پیش بینی الگوهای ترافیک را به طور قابل ملاحظه ای افزایش داده اند. با این وجود، پیاده سازی این سیستم ها با چالش های فنی مانند امنیت سایبری، کیفیت داده ها و یکپارچگی سیستم، و همچنین موانع غیرفنی مانند ضعف چارچوب های قانونی و کمبود نیروی متخصص مواجه است [۲]. این مقاله با تحلیل کاربردها در حوزه هایی مانند کنترل تطبیقی تقاطع ها و خدمات شهروندی، راهکارهای آینده را در قالب یک رویکرد یکپارچه فناورانه-حکمرانی پیشنهاد می دهد. دستاورد کلیدی پژوهش، ارائه چارچوبی تحلیلی از تعامل فناوری، حکمرانی داده و مشارکت شهروندی به عنوان سه رکن اساسی برای تحقق سیستم های حمل ونقل هوشمند پایدار و کارآمد است.

کلیدواژه ها:

شهر هوشمند ، سیستم های حمل ونقل هوشمند ، هوش مصنوعی ، پیش بینی ترافیک ، کلان داده