مدیریت هوشمند ترافیک شهری مبتنی بر اینترنت اشیاء: از تلفیق داده تا کنترل تطبیقی چراغ ها

رشد سریع شهرنشینی و افزایش مالکیت خودرو، مدیریت ترافیک شهری را با چالش های پیچیده ای از جمله تراکم، تاخیر و افزایش آلاینده ها مواجه کرده است. این پژوهش چارچوبی یکپارچه برای مدیریت هوشمند ترافیک شهری مبتنی بر اینترنت اشیا ارائه می کند که سه مولفه پیوسته شامل تلفیق مقاوم چندمنبعی داده های میدانی، پیش بینی کوتاه مدت جریان و سرعت با مدل هیبریدی LSTM+Random Forest و کنترل تطبیقی چراغ ها با یادگیری تقویتی چندعاملی را به هم متصل می سازد. داده های ناهمگون حاصل از حسگرهای جاده ای، دوربین های هوشمند، GPS و RFID به شیوه ای مقاوم تلفیق شده تا برآوردی پایدار از حالت شبکه فراهم شود و سپس سیاست های کنترلی مبتنی بر RL با هماهنگی شبکه ای میان تقاطع های مجاور، زمان بندی فازها را به صورت پیش نگر تنظیم می کنند. شبیه سازی ها در محیط SUMO نشان داد که چارچوب پیشنهادی در شرایط اوج ترافیک، میانگین تاخیر، طول صف و تعداد توقف وسایل نقلیه را به طور معناداری نسبت به زمان بندی ثابت و کنترل تطبیقی کلاسیک کاهش می دهد و موجب صرفه جویی سوخت و کاهش انتشار آلاینده ها می شود. نتایج همچنین بر اهمیت معماری لبه–ابر، کیفیت سرویس شبکه، پیش بینی دقیق و تدابیر امنیت و حریم خصوصی در موفقیت سامانه تاکید دارند. مسیرهای آتی پژوهش شامل آزمون میدانی پایلوت، بهره گیری از یادگیری انتقالی، توسعه سیاست های چندهدفه و ارتقای شفافیت و امنیت داده ها است. این چارچوب نشان می دهد که تلفیق داده های بلادرنگ، مدل های پیش بینی آگاه از زمینه و کنترل یادگیرنده می تواند گذار از مدیریت واکنشی به ادراک پیش نگر و هماهنگ در شبکه های شهری را ممکن سازد و به شهری روان تر، ایمن تر و کم کربن تر بینجامد.

کلیدواژه ها:

اینترنت اشیا ، مدیریت هوشمند ترافیک ، تلفیق داده ، کنترل تطبیقی چراغ های راهنمایی