ارزیابی تاثیر یکپارچه سازی سیستم های حمل ونقل هوشمند (ITS) و هوش مصنوعی بر تاب آوری و روان سازی ترافیک کلان شهرها (مطالعه موردی: کنترل تطبیقی تقاطع ها)

افزایش جمعیت شهری و رشد تصاعدی تعداد خودروها، کلان شهرها را با چالش های بحرانی در مدیریت ترافیک، آلودگی هوا، مصرف انرژی و کاهش کیفیت زندگی مواجه ساخته است. سیستم های حمل ونقل هوشمند (Intelligent Transportation Systems - ITS) با بهره گیری از فناوری های هوش مصنوعی، یادگیری ماشین و پردازش داده های بلادرنگ، راهکاری نوین برای بهینه سازی جریان ترافیک و ارتقای تاب آوری شبکه حمل ونقل شهری ارائه می دهند. این پژوهش با هدف ارزیابی تاثیر یکپارچه سازی ITS و الگوریتم های هوش مصنوعی بر عملکرد ترافیکی کلان شهرها، با تمرکز بر سیستم های کنترل تطبیقی تقاطع ها (Adaptive Traffic Signal Control - ATSC) انجام شده است.روش شناسی پژوهش بر پایه رویکرد ترکیبی شامل مدل سازی ریاضی، شبیه سازی میکروسکوپی ترافیک و تحلیل داده های واقعی از شبکه حمل ونقل تهران استوار است. مدل های کنترل تطبیقی پیشرفته ای نظیر یادگیری تقویتی عمیق (Deep Reinforcement Learning)، الگوریتم SCATS (Sydney Coordinated Adaptive Traffic System)، و بهینه سازی چندهدفه با الگوریتم ژنتیک طراحی و ارزیابی شدند. یافته های تحلیل داده های ۱۲ تقاطع پرتردد تهران نشان داد که استقرار سیستم کنترل تطبیقی مبتنی بر یادگیری تقویتی منجر به کاهش ۳۴٪ متوسط تاخیر خودروها، کاهش ۲۸٪ زمان توقف، کاهش ۲۱٪ مصرف سوخت و بهبود ۴۲٪ ظرفیت عبوری تقاطع ها در ساعات اوج شده است.تحلیل تاب آوری شبکه با شبیه سازی سناریوهای اختلال (تصادف، تعطیلی خط، رویدادهای شهری) نشان داد که سیستم های هوشمند یکپارچه قادرند زمان بازیابی را تا ۵۶٪ کاهش داده و اثرات آبشاری اختلالات را در شبکه محدود کنند. پژوهش همچنین موانع پیاده سازی شامل محدودیت های زیرساختی، چالش های یکپارچه سازی داده، هزینه های سرمایه گذاری اولیه و نیاز به تغییرات نهادی را شناسایی کرده و نقشه راه عملیاتی برای استقرار تدریجی ارائه می دهد.

کلیدواژه ها:

سیستم های حمل ونقل هوشمند ، کنترل تطبیقی تقاطع ، یادگیری تقویتی ، تاب آوری ترافیک ، بهینه سازی جریان ترافیک ، کلان شهر