کاربرد هوش مصنوعی در پیش بینی و مدیریت ترافیک شهری با تاکید بر حمل ونقل عمومی

رشد جمعیت شهری، افزایش تعداد وسایل نقلیه، گسترش فعالیت های اقتصادی و اجتماعی و افزایش تقاضای سفر، موجب پیچیده تر شدن مسائل حمل ونقل شهری شده است. ترافیک سنگین، افزایش زمان سفر، کاهش قابلیت اطمینان خدمات حمل ونقل عمومی، افزایش مصرف انرژی و آلودگی هوا از مهم ترین پیامدهای این وضعیت به شمار می روند. در چنین شرایطی، روش های سنتی مدیریت ترافیک که عمدتا بر داده های محدود، قواعد ثابت و واکنش پس از وقوع ازدحام متکی هستند، با محدودیت های قابل توجهی مواجه شده اند. هوش مصنوعی با قابلیت پردازش حجم زیادی از داده های مکانی و زمانی، شناسایی الگوهای پیچیده و پیش بینی شرایط آینده، ظرفیت جدیدی برای مدیریت هوشمند حمل ونقل شهری فراهم کرده است. این مقاله با هدف بررسی کاربردهای هوش مصنوعی در پیش بینی و مدیریت ترافیک شهری با تاکید بر حمل ونقل عمومی تدوین شده است. در این راستا، نقش یادگیری ماشین، یادگیری عمیق، شبکه های عصبی، مدل های مکانی-زمانی و روش های تحلیل داده در پیش بینی جریان ترافیک، تقاضای سفر، زمان رسیدن وسایل نقلیه عمومی، ازدحام و اختلالات شبکه بررسی می شود. همچنین کاربرد هوش مصنوعی در زمان بندی اتوبوس ها، مدیریت ناوگان، بهینه سازی مسیرها، کنترل چراغ های راهنمایی، هماهنگی میان مدهای مختلف حمل ونقل و افزایش کیفیت خدمات عمومی مورد توجه قرار می گیرد. یافته های مطالعات نشان می دهد که موفقیت استفاده از هوش مصنوعی تنها به انتخاب الگوریتم دقیق وابسته نیست، بلکه کیفیت داده، زیرساخت دیجیتال، قابلیت تفسیر مدل ها، حریم خصوصی، هزینه اجرا و هماهنگی نهادی نیز در آن نقش اساسی دارند. بر این اساس، استفاده هدفمند و مرحله ای از هوش مصنوعی می تواند به افزایش کارایی، قابلیت اطمینان و پایداری نظام حمل ونقل عمومی شهری کمک کند.

کلیدواژه ها:

هوش مصنوعی ، ترافیک شهری ، پیش بینی ترافیک ، حمل ونقل عمومی ، یادگیری ماشین ، یادگیری عمیق ، شهر هوشمند ، مدیریت ترافیک