تدوین چرخه رانندگی در شهر سمنان با داده‌برداری به‌وسیله خودروی تعقیب‌گر و خوشه‌بندی با الگوریتم میانگین کی

چرخه رانندگی و ترافیک در شهر‌ها یکی از معضلات مهم و پیچیده در مدیریت شهری است. در فرایند داده‌برداری، خودروی داده‌بردار یک مسیر مشخص در شهر را در بازه زمانی انتخاب‌شده حرکت می‌کند و داده‌برداری با نرم‌افزار نصب‌شده بر تلفن همراه انجام می‌شود. در این تحقیق، به چرخه‌ رانندگی در شهر سمنان با استفاده از روش تعقیب‌گر و تکنیک خوشه‌بندی میانگین کی پرداخته شده است. مسافتی که در فرایند داده‌برداری طی شده است در هر مسیر حدود 12 کیلومتر بوده است. همچنین، مسافت کلی که در این تحقیق برای داده‌برداری طی شده است حدود 130 کیلومتر می‌باشد. اطلاعات مدل خودرو، سن و جنسیت رانندگان تعقیب‌شده به‌عنوان پارامتر تاثیرگذار ثبت شدند. سپس، با بهره‌گیری از تکنیک میانگین کی، داده‌های جمع‌آوری‌شده برای مسیرهای مختلف، به‌منظور استخراج الگوهای رفتاری در مسیرهای شهر سمنان تحلیل شد. همچنین در این تحقیق، تعداد دسته‌های مناسب برای خوشه‌بندی داده‌ها بررسی شد و با توجه به انحراف معیار داده‌ها نتیجه گرفته شد که تعداد بهینه دسته‌ها برابر با 5 دسته است. تعداد دسته‌های بیشتر علی‌رغم افزایش دقت محاسبات، زمان پردازش بیشتری را به دنبال دارد. بدین ترتیب، با انجام خوشه‌بندی با تعداد دسته‌های 2، 3، 4، 5 و 6، به‌ترتیب مشاهده شد که این تعداد دسته‌ها تقریباً 40، 80، 90، 98 و 99 درصد بهبود داشته است که نشان می‌دهد افزایش تعداد دسته‌ها بهبود قابل‌توجهی در نتایج را نشان دادند. این دسته‌ها شامل مسیر شهری، جاده‌ فرعی، بزرگراه، آزاد‌راه با ترافیک سبک و شروع- توقف می‌باشد. این اطلاعات می‌تواند به مسئولان شهری و مدیران ترافیک برای برنامه‌های بهبود ترافیکی و ایمنی، با توجه به الگوهای مشخص‌شده و مطالعات بعدی کمک کند و شناخت عمیق‌تری از رفتار رانندگی در شهر سمنان ارائه دهد.

designing a driving cycle in the city of semnan with data collection using chasing vehicles and clustering with the k-means algorithm

the driving and traffic cycle in cities is one of the most important and complex challenges in urban management. for the data collection process, the chasing vehicle moved in a certain route in the city through the selected time period, and data collection was conducted with software installed on a mobile phone. this research investigated the driving cycle in semnan city using the chasing method and the k-means clustering technique. the distance covered during data collection was approximately 12 km for each route. additionally, the total distance covered for the data collection in this study was approximately 130 km. the car model information, age, and gender of chased drivers were recorded as the influential parameters. then, using the k-means technique, the data collected for different routes were analyzed to extract the behavioural patterns in the routes of semnan city. furthermore, in this study, the appropriate number of groups for data clustering was investigated, and considering the standard deviation of the data, it was concluded that the optimal number of clusters was 5. increasing the number of clusters, despite improving the accuracy of calculations, led to longer processing times. therefore, by clustering with 2, 3, 4, 5, and 6 groups, it was observed that these numbers of clusters improved by approximately 40, 80, 90, 98, and 99%, respectively, indicating that increasing the number of clusters showed a significant improvement in the results. these clusters included urban roads, secondary roads, highways, motorways with light traffic, and start-stop. this information can help city officials and traffic managers with traffic and safety improvement programs, according to the specified patterns, and provide a deeper understanding of driving behaviour in semnan city.