پیشبینی تصادفات در بزرگراه ها با پردازش توزیع شده داده های سامانه های حمل و نقل هوشمند

امروزه بخش زیادی از تردد مردم در کشور با وسایل نقلیه و از طریق بزرگراه های شهری و بین شهری صورت میگیرد. وقوع حوادث رانندگی به دلایل گوناگون اعم از خطای رانندگان، مشکلات جادهای، نقص فنی وسایل نقلیه، شرایط آب و هوایی و ... اجتناب ناپذیر است. در این میان وجود کوچکترین تصادف در بزرگراه ها بویژه در ساعات پرتردد، علاوه بر خسارات جبرانناپذیر جانی و مالی، منجر به کندی عبور و مرور و حتی مسدود شدن مسیر برای مدتی نسبتا0 طولانی خواهد شد که به نوبه خود پیامدهای منفی نظیر افزایش زمان سفر، آلودگی هوا و افزایش مصرف سوخت را در بر دارد. تلاش برای کاهش میزان تصادفات در بزرگراه ها یکی از مهمترین اهداف نهادهای متولی امر نظیر شهرداریها، پلیس راهنمایی و رانندگی و سازمان راهداری و حمل و نقل جاده ای کشور است. تحلیل کلانداده های حاصل از دوربین های هوشمند ترافیکی بزرگراهی و سایر حسگرهای ترافیکی نظیر تردد شمارها می تواند کمک بزرگی به تشخیص و پیش بینی حوادث رانندگی در این محورهای ارتباطی پر رفت و آمد باشد. یکی از مسائل مهم هنگام مواجه باحجم عظیمی از داده ها، بکارگیری روشهای بهینه و موثر جهت پردازش آنهاست. در این مقاله ابتدا با به کار بردن ابزار شبیه سازی رایانهای سومو، داده های ترافیکی بزرگراهی مورد نیاز تولید میگردند. سپس با استفاده از این داده ها، یک مدل پیشبینی حوادث رانندگی قریب الوقوع مبتنی بر روش یادگیری ماشین با ناظر رگرسیون لجستیک تولید میگردد. در ادامه، با استفاده از این مدل و به کمک فناوری بر مبنای کانتینر داکر که امکان پردازش توزیع شده داده ها را درون سیستمهای تعبیه شده حسگرهای ترافیکی فراهم مینمایند، یک معماری مقیاسپذیر و پرسرعت برای تحلیل کلانداده های برخط سیستم های هوشمند حمل و نقل بزرگراهی ارائه میشود. نتایج این تحقیق نشان میدهد، اجرای مدل پیشبینی روی معماری پیشنهادی با موفقیت و با داشتن دقت و سرعت مناسب انجام میگیرد.

Keywords:

پیشبینی وقوع تصادف , سامانه های حمل و نقل هوشمند , پردازش توزیع شده , کلانداده , شبیه سازی رایانه ای.