مروری بر کاربردهای هوش مصنوعی در پیش‌بینی، کنترل و مدیریت ترافیک شهری

مروری بر کاربردهای هوش مصنوعی در پیش‌بینی، کنترل و مدیریت ترافیک شهری

مریم غفارلوی رائف1

1) کارشناس ارشد مهندسی فضای سبز

کد IOI مقاله : AAHF-ACZDGA
محل انتشار : کنفرانس ملی فناوری های معماری و هنر، شهر هوشمند، صنایع نرم وخلاق و فرهنگ فناوری (icact.ir)
چکیده :
    ازدحام ترافیکی یکی از مهم‌ترین چالش‌های کلان‌شهرهای جهان و ایران به شمار می‌رود و مدیریت کارآمد آن بدون بهره‌گیری از فناوری‌های پیشرفته ممکن نیست. هدف این مقاله مروری، تحلیل جایگاه هوش مصنوعی در سامانه‌های حمل‌ونقل هوشمند و بررسی کاربردهای آن در سه حوزه اصلی پیش‌بینی جریان ترافیک، کنترل هوشمند چراغ‌های راهنمایی و تشخیص خودکار حوادث است. در این پژوهش، با روش مروری نظام‌مند، پژوهش‌های کلیدی منتشرشده در مجلات و کنفرانس‌های معتبر بررسی و یافته‌های آن‌ها در قالب مبانی نظری، مرور مطالعات و بحث تحلیلی تنظیم شده است. شواهد نشان می‌دهد مدل‌های یادگیری عمیق مانند ماشین‌های خودرمزگذار انباشته و شبکه‌های حافظه کوتاه‌مدت‌بلند دقت پیش‌بینی جریان ترافیک را به‌طور معناداری نسبت به روش‌های آماری کلاسیک بهبود می‌دهند؛ الگوریتم‌های یادگیری تقویتی عمیق مانند IntelliLight در کنترل تطبیقی چراغ‌های راهنمایی عملکردی برتر نسبت به برنامه‌های زمان‌بندی ثابت دارند؛ و روش‌های یادگیری عمیق در تشخیص حوادث از داده‌های تصویری و شبکه‌های اجتماعی، زمان واکنش سامانه‌های مدیریت ترافیک را کاهش می‌دهند. با این حال، پیاده‌سازی این فناوری‌ها با چالش‌هایی از جمله کیفیت و یکپارچگی داده‌ها، هزینه زیرساخت و خلأ مهارت‌های تخصصی نهادهای مدیریتی روبه‌روست. در پایان، مجموعه‌ای از پیشنهادهای کاربردی برای بهره‌گیری از هوش مصنوعی در مدیریت ترافیک شهرهای ایران ارائه شده است.

کلمات کلیدی : واژه گان کلیدی هوش مصنوعی مدیریت ترافیک شهری سامانه‌های حمل‌ونقل هوشمند پیش‌بینی جریان ترافیک یادگیری عمیق یادگیری تقویتی