مدیریت ترافیک شهر هوشمند با استفاده از محاسبات لبه و مدل‌های هوش مصنوعی

مدیریت ترافیک شهر هوشمند با استفاده از محاسبات لبه و مدل‌های هوش مصنوعی

باران رحمتی1

1) مدیریت ترافیک شهر هوشمند با استفاده از محاسبات لبه و مدل‌های هوش مصنوعی

کد IOI مقاله : AAGF-AAGFKE
محل انتشار : نهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com/9th)
چکیده :
    تراکم ترافیک همچنان یکی از چالش‌های عمده در محیط‌های شهری مدرن است که به طور قابل توجهی بر تحرک، ایمنی و پایداری تأثیر می‌گذارد. ظهور شهرهای هوشمند (SCs) فرصت‌هایی را برای ادغام فناوری‌های پیشرفته برای مدیریت هوشمند ترافیک ایجاد کرده است. رویکردهای سنتی مبتنی بر ابر اغلب از محدودیت‌های تأخیر و پهنای باند بالا رنج می‌برند که کارایی آنها را در تصمیم‌گیری در زمان واقعی محدود می‌کند. برای غلبه بر این مشکلات، محاسبات لبه‌ای (EC) معرفی شده است که امکان پردازش داده‌ها را از طریق دستگاه‌های اینترنت اشیا (IoT) و گره‌های لبه محلی، نزدیک‌تر به منبع فراهم می‌کند. در همین حال، مدل‌های هوش مصنوعی (AI)، مانند شبکه‌های عصبی کانولوشن (CNNs) و شبکه‌های حافظه کوتاه‌مدت بلند (LSTM)، ابزارهای قدرتمندی را برای پیش‌بینی جریان ترافیک، تشخیص ناهنجاری و کنترل سیگنال تطبیقی ​​ارائه می‌دهند. این مقاله یک چارچوب یکپارچه با ترکیب EC و هوش مصنوعی برای افزایش مدیریت ترافیک در SCs ارائه می‌دهد. این چارچوب از حسگرهای IoT برای کسب داده‌های در زمان واقعی، EC برای پردازش با تأخیر کم و مدل‌های هوش مصنوعی برای تجزیه و تحلیل پیش‌بینی‌کننده و تجویزی استفاده می‌کند. نتایج شبیه‌سازی نشان می‌دهد که رویکرد پیشنهادی، تأخیر شبکه را کاهش می‌دهد، دقت جریان ترافیک را بهبود می‌بخشد و از راه‌حل‌های مقیاس‌پذیر تحرک شهری پشتیبانی می‌کند. این یافته‌ها پتانسیل سیستم‌های هوش مصنوعی مبتنی بر EC را برای خدمت به عنوان ستون فقرات برنامه‌های مدیریت ترافیک SC در آینده برجسته می‌کند.

کلمات کلیدی : شهر هوشمند محاسبات لبه هوش مصنوعی اینترنت اشیا پیش‌بینی ترافیک سیستم‌های حمل و نقل هوشمند