تهیه ی یک بستر خودکار مبتنی بر وب برای جمع آوری داده های ترافیک

واقعیت این است که مردم اغلب به دنبال مسیری هستند که پارامترهای کوتاه بودن، کم هزینه بودن و صرف کمترین انرژی را توامان داشته باشد. اما ترافیک یکی از عوامل بسیار تاًثیرگذار در انتخاب مسیر برای رسیدن به مقصد است. می توان گفت مردم یک مسیر طولانی اما با ترافیک کم را به یک مسیر کوتاه اما با ترافیک سنگین ترجیح می دهند. بنابراین ترافیک، بسیاری از معادله های مسیر بهینه را بر هم می زند. از این رو  واضح است که اصلی ترین معیار برای انتخاب مسیر در میان جوامع مختلف، وضعیت ترافیک در مسیر مربوطه است. همین امر، خود ضرورت انجام این تحقیق و تلاش برای جمع آوری داده های ترافیکی را روشن می سازد. اگر هدف تحقیق محقق شود، کمترین اثر آن، صرفه جویی در زمان و هزینه و انرژی است. بدین منظور در این پژوهش، به جمع آوری داده های ترافیکی استان تهران به کمک بسترهای نوین پرداخته شده است. داده های ترافیکی به صورت لحظه ای وجود دارند، اما مشکلی که وجود دارد، این است که بستری برای جمع آوری و ذخیره سازی آن وجود ندارد. عدم وجود یک بستر مناسب برای ذخیره سازی داده های ترافیکی، همواره معضلی بوده است که محققین این حوزه را به چالش کشیده و با مشکل مواجه کرده است. از این رو در این پژوهش، به روشی برای جمع آوری و ذخیره سازی اطلاعات ترافیکی در بستر وب پرداخته شده است. طی این پژوهش، مشخص شد که نقطه ای که دارای ترافیک سنگین است، در بیشتر ساعات روز، ترافیک سنگین دارد. بویژه در ساعاتی در شبانه روز که ساعات رفت و برگشت افراد به محل کار است. طی این پژوهش همچنین مشخص گردید که نقاطی که دارای ترافیک سنگین هستند، رفتاری یکنواخت در طول روزهای مختلف هفته دارند. به عبارتی دیگر، کمتر دیده می شود که نقاط دارای بارهای ترافیکی متفاوت، تفاوت چشمگیری در وضعیت ترافیکی داشته باشند. از نظر دقت، می توان بیان کرد که برداشت نقاط داده های ترافیکی از نظر موقعیت مکانی با دقت قابل قبولی انجام گرفته است و نقاط برداشت شده داری بیشترین تطابق با داده های دیگر موجود در پایگاه داده می باشند.

provide an automated web-based platform for collecting traffic data

traffic and its problems have become a big social issue in all societies today. knowing essential factors that affect traffic, and the factors that aggravate traffic can be useful for managing the traffic. nowadays, the problem of traffic forecasting has become a goal among different countries. if one can predict the traffic, he can prevent the waste of energy and time. predicting the traffic situation and its behavior, especially in big cities, requires managing, planning, and spending time. geographic information system (gis) is an important technology and science for spatial analysis. since traffic is a spatial and temporal problem, this science can well manage the problem of traffic. in the field of traffic, people often look for a route that meets the criteria of being short, low cost, and consuming the least amount of energy. for this reason, traffic is one of the most influential factors in choosing the route to reach the destination. it can be said that people prefer a long route with little traffic to a short route with heavy one. thus, traffic affects many optimal route equations. therefore, it is clear that the main criterion for choosing a route is the traffic situation on the relevant route. in this research, the collection of traffic data of tehran province has been done using the proposed platform. traffic data exists in real time, but the problem is that there is no platform for data collection. the lack of a suitable platform for storing traffic data has always been a problem that has challenged researchers in this field. therefore, in this research, a method for collecting and storing traffic data on the web platform has been proposed. in this research, traffic images are first captured from web platforms. then the intensity of the traffic is identified based on the color scheme. according to the position of the pixels in the image and the existing control points, the ground coordinates of all the pixels are calculated. finally, the collected coordinates are stored in the database based on the standard spatial format. finally traffic data is stored in the database instantly based on the current system. during this research, it was found that the point that has heavy traffic has heavy traffic in most hours of the day. it was also found that places with heavy traffic have a uniform behavior during different days of the week. in other words, it is rarely seen that points with different traffic loads have a significant difference in the traffic situation. in terms of accuracy, it can be stated that the collection of traffic data points has been done with acceptable accuracy in terms of location. the collected points are also the most compatible with other data in the database.