یک روش پویای بهبود جریان ترافیک شهری با استفاده از اینترنت اشیاء: تنظیم هوشمند چراغ های راهنمایی و مسیریابی مجدد خودروها

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,463

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC15_282

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

یکی از مشکلات بزرگ در کلان شهرها پدیده ازدحام ترافیکی است . حجم بالای ترافیک در این شهره ا سبب کند شدن حرکت خودروها، توقف های طولانی پشت چراغ های راهنمایی و آسیب روحی و روانی جبران ناپذیر برایمسافران و رانندگان می گردد. با پیشرفت سیستم های ارتباطی، سیستم های هوشمند ترافیکی نقش بسزایی در بهینه سازی جریان ترافیکی در شهرهای بزرگ و شلوغ ایفا می کنند. امروزه شبکه های فراگیر پهن باند، مجموعهداده های ترافیکی بی درنگ را به گونه ای فراهم می کنند که مسیریابی ترافیکی به صورت هوشمندانه بهینه سازی گردد. تغییرات پویای ترافیک و همچنین تاثیر یک مسیریابی بر روی مسیرهای دیگر یکی از چالش های اصلی دربهینه سازی کلی جریان ترافیکی می باشد. با توجه به این مسئله، در این مقاله یک مدل برای محاسبه زمان سفر خیابان ارائه شده است. هر خودرو پس از ورود به شبکه، با توجه به مبدا و مقصد خود، مسیر بهینه را به صورت پویا دریافت می کند. وضعیت ترافیک شهری به صورت دوره ای بررسی می گر دد و با استفاده از روش تشخیص وپیش بینی ازدحام، خیابان های مستعد ازدحام ترافیکی شناسایی شده و با استفاده از الگوریتم پیشنهادی انتخاب خودرو، وسایل نقلیه ی منتخب بر اساس کوتاه ترین زمان سفر و با استفاده از الگوریتم دایجسترا، مسیریابی مجدد می شوند. علاوه بر مسیریابی خودروها بر اساس وضعیت کنونی، چراغ های راهنمایی به صورت پویا تنظیم می شوند . نتایج ارزیابی عملکرد روش ما با استفاده از شبیه سازی، کارایی مدل پیشنهادی را در بهینه سازی جریان ترافیکی نشان می دهد.

کلیدواژه ها:

مسیریابی پویا ، چراغ راهنمای پویا ، پیش بینی ترافیک شهری ، سیستم حمل و نقل هوشمند

نویسندگان

مهدی ایمان پور

دانشجوی کارشناسی ارشد مهندسی کامپیوتر ، دانشگاه تربیت مدرس تهران

بهزاد اکبری

استادیار گروه مهندسی کامپیوتر، دانشگاه تربیت مدرس تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Isa, N., A. Mohamed, and M. Yusoff, Implem entation of ...
  • Litman, T., Smarter Congestion Relief In Asian Cities. Transport and ...
  • Litman, T., Factors to Consider When Estimating Congestion Costs and ...
  • Liang, Z. and Y. Wakahara, Real-time urban traffic amount prediction ...
  • Markovic, H., et al., GPS Data-based Non-pa rametric Regression for ...
  • Zhang, X. and J.A. Rice, Short-term travel time prediction. Transportation ...
  • Comert, G. and A. Bezuglov, An online change-poin t-based model ...
  • Xia, J., M. Chen, and W. Huang, A multistep corridor ...
  • Rzeszotko, J. and S.H. Nguyen, Machine learning for traffic prediction. ...
  • Mazloumi, E.. et al., Prediction intervals to account for uncertainties ...
  • Chen, M. and S.I. Chien, Dynam ic freeway travel-time prediction ...
  • Wang, Y., M. Papageorgiou, and A. Messmer, Real-time freeway traffic ...
  • De Fabritis, C., R. Ragona, and G. Valent. Traffic estimation ...
  • Gubbi, J., et al., Internet of Things (IoT): A vision, ...
  • Yan, L., et l., The Internet of things: from RFID ...
  • December 2015; Available from: _ _ sugic _ _ secrvices. ...
  • Pan, J.-S., et al., Proactive vehicular traffic rerouting for lower ...
  • Krauss, S., P. Wagner, and C. Gawron, Metastable states in ...
  • Janson, B.N., Dynamic traffic assignment for urban road network, Transportation ...
  • نمایش کامل مراجع