زهرا چوپانی رنانی - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد خوراسگان

با افزایش شهرنشینی و تمایل به سفرهای خصوصی، تراکم ترافیک اکثر شهرهای بزرگ و در حال توسعه در سراسر جهانبه گونه ای افزایش یافته است که به طور مستقیم بر رشد، توسعه و محیطزیست شهرها تاثیر میگذارد. ازدحام درشبکه های جاده ای بر تشدید آلودگی هوا، زمان رفت و آمد و تصادفات جاده ای تاثیرگذار است و به طور کلی باعث افزایشمشکلات اقتصادی، اجتماعی و زیست محیطی در بسیاری از شهرهای جهان میشود. از آنجا که پیشبینی ترافیک نقشاساسی در سیستم ترافیک هوشمند دارد، پیشبینی دقیق آن میتواند به برنامه ریزی مسیر، راهنمایی در اعزام وسیلهنقلیه و کاهش تراکم ترافیک کمک کند. حل این مشکل به دلیل وابستگی های زمانی- مکانی پیچیده و پویا بین مناطقمختلف در شبکه راهها چالش برانگیز است. شبکههای عصبی عمیق به دلیل قدرت پیشبینی محض آن و قابلیت انتساببه ساختارهای پیچیده و عمیق برای حل مشکلاتی از این دست محبوبیت پیدا کرده اند. در این مقاله راهکارهای اخیرپیشنهادی با استفاده از مدلهای مختلف شبکه های عصبی مورد بررسی قرار گرفته است. اشتراکات و تفاوت های بین آثارمختلف به منظور روشن شدن نقاط قوت و ضعف هر روش ارائه گردیده است.

شهر هوشمند، پیشبینی ترافیک، یادگیری ماشین، شبکه های عصبی