بهینه سازی جریان حمل و نقل ترافیکی از طریق الگوریتم های یادگیری مبتنی بر شبکه عصبی

بهینه سازی جریان حمل و نقل با استفاده از الگوریتم های یادگیری، رویکردی موثر در بهبود امنیت جادهها است . جریان حمل و نقل ترافیکی می تواند به دلیل تعداد بالای وسایل نقلیه ، تصادفات و ترافیک مزمن ، برای رانندگان آزار دهنده باشد. در این پژوهش به بررسی کاربرد عملی فناوریهای اتوماسیون مدیریت جریان ترافیک و استفاده از هوش مصنوعی در حل مسائل بهینه سازی ترافیک و نظارت بر آن پرداخته می شود. همچنین توضیح دقیقی از اهداف و وظایف نظارت بر ترافیک ارائه می شود که به ضرورت عملکرد یک سیستم کنترل ترافیک خودکار اشاره می کند. همچنین ، شاخص های عملکرد مختلفی را که برای ارزیابی کارایی سیستم های کنترل ترافیک خودکار به کار می روند، معرفی می شوند. روشهای مختلفی برای کنترل، تنظیم ، تجزیه و تحلیل و مدیریت جریانهای ترافیکی وجود دارد. همچنین ، درباره مراحل خدمات مختلف و سطوح راحتی در تخمین تردد اطلاعاتی اشاره می شود. معیارهای مختلفی برای تنظیم و کنترل وضعیت جاده و حمل ونقل بررسی و تاثیر آنها بر جریان ترافیک و کارایی کلی مورد تجزیه و تحلیل قرار می گیرد. به طور کلی ، پژوهش حاضر مروری جامع از فناوریهای اتوماسیون مدیریت جریان ترافیک و استفاده از هوش مصنوعی برای بهبود نظارت و بهینه سازی ترافیک ارائه می کند. همچنین به عناصر اساسی سامانه کنترل ترافیک خودکار و شاخص های عملکردی که می تواند برای ارزیابی اثربخشی آن استفاده شود، توجه ویژه ای شده است . به علاوه برای تنظیم و کنترل ترافیک ، به روشهای مختلف محاسبه ، سطوح خدمات و معیارهای مختلف تحلیلی پرداخته شده است که می تواند به سیاست گذاران کمک کند تا تصمیمات خود را براساس اطلاعات دقیق تری بگیرند و بهبود کلی بهره وری حمل و نقل را به همراه داشته باشند.

کلیدواژه ها:

جریان حمل و نقل ، شبکه های عصبی ، یادگیری ماشین ، کنترل ترافیک