مروری بر روش های نوین جهت بهینه سازی در کاهش ترافیک های شهری

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 152

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_CIPR-4-2_005

تاریخ نمایه سازی: 23 مهر 1401

Abstract:

 امروزه با افزایش حجم تراقیک و رشد سفرها، ساماندهی ‍ و مدیریت ترافیک یکی از ضرورت های مدیریت شهری می باشد. همچنین، شناسایی ترافیک در سال های اخیر به یک کار چالش برانگیز تبدیل شده است. اخیرا روش های یادگیری عمیق به طور گسترده برای طبقه بندی ترافیک شبکه مورد مطالعه قرار گرفته اند. متاسفانه، این مدل ها به حجم زیادی از داده های آموزشی نیاز دارند. چالش دیگر با اکثر روش های طبقه بندی ترافیک این است که ویژگی ها باید توسط یک متخصص استخراج شوند. در این روش ها یافتن ویژگی های مورد نظر که منجر به دسته بندی بهتر می شود بسیار خسته کننده و زمان بر است. در نتیجه نیاز به اقدامات نوین جهت کاهش ترافیک شهری بیش از پیش لازم می دارد. هدف اصلی از این مطالعه بررسی روش های نوین کنترل ترافیک شهری است. که بیشتر بر پایه تحقیقات پیشین و تحلیل آن ها استوار است. مطالعات مربوط به روش ها و مدل های جدید مرتبط با کاهش ترافیک از جمله، تکنولوژی، فناوری و سیستم های هوشمند درسالهای اخیر جمع آوری و مورد بررسی قرار گرفتند. نتایج نشان می دهد که استفاده از این فناوری های جدید می تواند باعث تخمین حجم ترافیک های پنهان، بهبود جریان ترافیک، پیش بینی واقعی عملکردهای زمان سفر و حجم ترافیک، تعیین حالت سرویس دهی سطح خدمات مناسب، افزایش ظرفیت و کارایی زیر ساخت های موجود حمل و نقل و مشخص نمودن حداکثر طول صف، توقف صف، تاخیر خودرو، تاخیر توقف و تعداد توقف ها شود.

Authors

رضا اکبری غیبی

مدرس دانشگاه، گروه مهندسی عمران، موسسه آموزش عالی غیرانتفاعی صائب، ابهر، زنجان، ایران

داریوش جلیلی

دانشجوی کارشناسی ارشد راه و ترابری، گروه مهندسی عمران، موسسه آموزش عالی غیرانتفاعی صائب، ابهر، زنجان، ایران

وحید بخشی

دانشجوی کارشناسی ارشد راه و ترابری، گروه مهندسی عمران، موسسه آموزش عالی غیرانتفاعی صائب، ابهر، زنجان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Ahmadi, SH., Taheri, N., (۲۰۱۹). Presenting a model for estimating ...
  • Akhondi, M., Mesgari, M.S. (۲۰۱۸). Simulation of ITS base factor ...
  • Derakhshan, F., Khezerlo, F. (۲۰۱۷). Design and implementation of an ...
  • Derakhshan, F., Shahpasandi, N. (۲۰۱۶). Design and implementation of public ...
  • Ferdosi, S., Shokrifirozha, P. (۲۰۱۵). Reduction of intra-city traffic problems ...
  • Graham, D. J., & Glaister, S. (۲۰۰۴). Road traffic demand ...
  • Hajitahr, T., Karimi, A. (۲۰۱۶).Introducing a new algorithm for predicting ...
  • Hara, Y., Suzuki, J., & Kuwahara, M. (۲۰۱۸). Network-wide traffic ...
  • Hasanpor, SH., Saffari, M., Godarzi, M. (۲۰۱۷). Evaluation of intelligent ...
  • Hou, G., Chen, S., & Bao, Y. (۲۰۲۲). Development of ...
  • Kwon, J., Varaiya, P., & Skabardonis, A. (۲۰۰۳). Estimation of ...
  • Sandhyavitri, A., Maulana, A., Ikhsan, M., Putra, A. I., Husaini, ...
  • SINGH, S. K., & BANDYOPADHYAYA, R. (۲۰۱۹). Modeling Optimal Mode ...
  • Thathsarani, A. A. T., & Lanel, G. H. J. (۲۰۱۹). ...
  • Vickers, N. J. (۲۰۱۷). Animal communication: when i’m calling you, ...
  • Xing, J., Wu, W., Cheng, Q., & Liu, R. (۲۰۲۲). ...
  • Yu, Y., Cui, Y., Zeng, J., He, C., & Wang, ...
  • نمایش کامل مراجع