پیش بینی الگوهای ترافیکی کلانشهرها با استفاده از الگوریتم LSTM و داده های بلادرنگ در خصوص عملکرد شهرداری تهران مطالعه موردی بزرگراه های تهران

پیش بینی ترافیک شهری یکی از مهم ترین چالش های مدیریت کلانشهرهاست. هدف این پژوهش، توسعه مدل پیش بینی الگوهای ترافیکی در بزرگراه های تهران با استفاده از الگوریتم شبکه عصبی LSTM و داده های بلادرنگ ترافیکی است. داده ها از سامانه های هوشمند ترافیک (ITS) شامل دوربین ها، حسگرهای سرعت و داده های GPS خودروها گردآوری شد. مدل LSTM در محیط Python توسعه یافت و با مدل های ARIMA و Random Forest مقایسه گردید. نتایج نشان داد که مدل LSTM با دقت پیش بینی ۹۳.۸ و خطای میانگین ۰٫۰۷ بهترین عملکرد را دارد. این سامانه می تواند زمان واکنش مدیریت ترافیک را به میزان ۲۶٪ کاهش دهد و امکان هشدار زودهنگام ترافیک سنگین را فراهم کند. نتایج نشان می دهد که کاربرد یادگیری عمیق در سامانه های ترافیکی می تواند به بهبود مدیریت ترافیک و کاهش ازدحام شهری کمک شایانی نماید.

Keywords:

ترافیک شهری , پیش بینی بلادرنگ , الگوریتم LSTM , داده های کلان , شهرداری تهران