مدیریت هوشمند ترافیک شهری با رویکرد ترکیبی هوش مصنوعی و اینترنت اشیا: مروری سیستماتیک بر پیش بینی جریان ترافیک و کنترل تطبیقی تقاطع ها

رشد سریع شهرنشینی و افزایش تقاضای سفر شهری، مدیریت ترافیک سنتی را با محدودیت های جدی مواجه کرده است؛ از جمله تراکم، تاخیر طولانی و افزایش آلاینده ها. این مقاله مروری سیستماتیک، پیش بینی جریان ترافیک و کنترل تطبیقی تقاطع ها را با رویکرد ترکیبی هوش مصنوعی (AI) و اینترنت اشیا (IoT) بررسی می کند. تمرکز بر مدل های یادگیری ماشین و یادگیری عمیق برای تحلیل داده های بلادرنگ و مکانی–زمانی است، که توانایی پیش بینی کوتاه مدت ترافیک و بهینه سازی چرخه های سیگنال ترافیکی را فراهم می کنند. علاوه بر این، ادغام AI و IoT امکان کنترل تطبیقی پویا را بر اساس تغییرات لحظه ای و پیش بینی های آینده فراهم می آورد، که منجر به کاهش زمان توقف، افزایش توان عبور شبکه و بهبود ایمنی می شود. مقاله به چالش های کلیدی این رویکرد، از جمله امنیت سایبری، کیفیت داده ها و تعمیم پذیری مدل ها می پردازد و فرصت های پژوهشی آینده، شامل استفاده از مدل های ترکیبی چندمنبع، تحلیل Edge AI و بهره گیری از داده های بزرگ، شناسایی شده اند. یافته ها نشان می دهند که چارچوب AI–IoT می تواند به طور قابل توجهی عملکرد شبکه های حمل ونقل شهری را بهینه کرده و با کاهش آلاینده ها و افزایش تجربه سفر، با اهداف توسعه پایدار همسو باشد.

کلیدواژه ها:

هوش مصنوعی ، اینترنت اشیا ، پیش بینی ترافیک ، کنترل تطبیقی تقاطع ، سیستم های حمل ونقل هوشمند