مرور نظام مند مدیریت هوشمند ترافیک شهری: پیشرفت ها، فناوری های نوظهور، معماری های هوشمند، چالش ها و مسیرهای آینده

افزایش شتابان شهرنشینی، رشد حجم تردد وسایل نقلیه و پیچیده تر شدن شبکه های حمل ونقل شهری، مدیریت ترافیک را به یکی از مهم ترین چالش های شهرهای هوشمند تبدیل کرده و ناکارآمدی روش های سنتی در پاسخ گویی به شرایط پویای ترافیک، توجه پژوهشگران را به بهره گیری از فناوری هایی مانند هوش مصنوعی، اینترنت اشیا، سامانه های حمل ونقل هوشمند، یادگیری ماشین، یادگیری عمیق، تحلیل کلان داده و پردازش بلادرنگ معطوف کرده است. با وجود گسترش پژوهش ها، هنوز تصویری جامع از روندهای علمی، فناوری های کلیدی، معماری های هوشمند، چالش های موجود و مسیرهای آینده این حوزه ارائه نشده است؛ ازاین رو، این مطالعه با هدف ارائه مروری نظام مند بر پژوهش های مدیریت هوشمند ترافیک شهری، مطالعات منتخب را بر اساس کلیدواژه های مرتبط گردآوری، غربالگری و از منظر فناوری های مورد استفاده، الگوریتم های هوشمند، معماری ها، حوزه های کاربرد، مزایا، محدودیت ها و روندهای توسعه تحلیل و مقایسه کرده است. یافته ها نشان می دهد همگرایی فناوری هایی نظیر هوش مصنوعی، اینترنت اشیا، یادگیری ماشین، یادگیری تقویتی، بینایی ماشین و تحلیل داده های بلادرنگ، نقش موثری در پایش لحظه ای شبکه های ترافیکی، پیش بینی جریان ترافیک، کنترل تطبیقی تقاطع ها، بهینه سازی زمان بندی چراغ های راهنمایی، کاهش زمان سفر، مصرف سوخت و انتشار آلاینده ها دارد و معماری های توزیع شده، سیستم های چندعاملی و زیرساخت های ارتباطی هوشمند نیز کارایی و انعطاف پذیری این سامانه ها را افزایش داده اند؛ بااین حال، چالش هایی مانند یکپارچه سازی داده ها، امنیت و حریم خصوصی، مقیاس پذیری، هزینه های زیرساختی، قابلیت اعتماد و پردازش بلادرنگ همچنان پابرجاست. در مجموع، نتایج نشان می دهد آینده مدیریت هوشمند ترافیک شهری به توسعه چارچوب های یکپارچه مبتنی بر هم افزایی فناوری های هوشمند، الگوریتم های پیشرفته یادگیری و زیرساخت های ارتباطی پایدار وابسته است و این مرور می تواند مرجعی ارزشمند برای پژوهشگران، سیاست گذاران و برنامه ریزان شهری باشد.

کلیدواژه ها:

مدیریت هوشمند ترافیک شهری ، سیستم های حمل و نقل هوشمند (ITS) ، اینترنت اشیا (IoT) ، یادگیری ماشین