مروری بر مدل های حمل و نقل هوشمند و کاهش آلاینده ها در کلانشهرها

افزایش شهرنشینی و رشد حجم ترافیک شهری موجب بروز مشکلات متعددی از جمله اتلاف زمان، افزایش مصرف انرژی و تشدید آلودگی هوا شده است. روش های سنتی مدیریت حمل ونقل، به دلیل وابستگی به داده های ایستا و تصمیم گیری های واکنشی، کارایی لازم برای مواجهه با این چالش ها را ندارند. از این رو، بهره گیری از فناوری های هوشمند به عنوان راهکاری موثر برای بهبود عملکرد سیستم های حمل ونقل شهری مورد توجه قرار گرفته است. هدف این پژوهش ارائه یک چارچوب یکپارچه برای مدیریت هوشمند حمل ونقل شهری با تمرکز بر کاهش مصرف انرژی و بهینه سازی فرآیند مسیریابی است. در این چارچوب، داده های ترافیکی به صورت لحظه ای از طریق حسگرهای اینترنت اشیا جمع آوری می شوند. پس از انجام مراحل پیش پردازش، این داده ها برای پیش بینی وضعیت ترافیک آینده مورد استفاده قرار می گیرند. به منظور افزایش دقت پیش بینی، از مدل های یادگیری عمیق که توانایی بالایی در تحلیل الگوهای زمانی و مکانی دارند، بهره گرفته شده است. خروجی مرحله پیش بینی ترافیک به عنوان ورودی مدل های انرژی محور به کار گرفته می شود تا مصرف انرژی مسیرهای مختلف با در نظر گرفتن عواملی نظیر تراکم ترافیک، سرعت حرکت و تعداد توقف ها برآورد شود. سپس الگوریتم های مسیریابی سبز مسیرهایی را انتخاب می کنند که ضمن کاهش زمان سفر، کمترین میزان مصرف انرژی و آلایندگی را داشته باشند. نتایج نشان می دهد که چارچوب پیشنهادی می تواند نقش موثری در افزایش بهره وری سیستم حمل ونقل، کاهش مصرف سوخت و حرکت به سوی حمل ونقل شهری پایدار ایفا کند.

کلیدواژه ها:

حمل نقل هوشمند ، اینترنت اشیا ، شهر هوشمند ، مسیریابی سبز