ارزیابی عملکرد تقاطع‌های چراغ‌دار با رویکرد کنترل هوشمند (مورد پژوهی محدوده کنترل آلودگی هوای تهران)

با افزایش جمعیت در مناطق شهری و روستایی، سیستم حمل‌ونقل کارایی کمتری برای مدیریت روزافزون تقاضا دارد. کمبود فضا و منابع برای بهبود زیرساخت‌ها، باعث مشکلاتی می‌شود که زندگی شهری را تحت تاثیر قرار می‌دهد. افزایش تقاضا برای جابجایی می‌تواند بر پارامترهای زیست‌محیطی، ترافیکی و ایمنی تاثیر بگذارد. از این میان، تقاطع‌ها را می‌توان به‌عنوان کانون‌های اصلی ازدحام، تاخیر، انتشار آلاینده و نقاطی پرخطر ازلحاظ ایمنی نام برد. این وضعیت، چالشی اساسی را برای بهبود و کنترل بهینه ترافیک در چارچوب زیرساخت‌های فعلی ارائه می‌دهد. در این مطالعه ابتدا تقاضای موجود با استفاده از الگوریتم انتخاب مسیر گاورون به صورت پویا، در ٥ تکرار تخصیص داده می‌شود. سپس عملکرد ٥ سناریو برای نحوه کنترل تقاطع‌های چراغ‌دار که شامل دو رویکرد هوشمند سازی مبتنی بر فاصله زمانی و مبتنی بر تاخیر است، با بهره‌گیری از شبیه‌سازی خردنگر در محدوده کنترل آلودگی هوای تهران در سه بعد ایمنی، زیست محیطی و ترافیکی، بررسی می‌شود. نتایج نشان می‎‌دهد که هوشمند‌سازی تقاطع‌های چراغ‌دار می‌تواند طول صف را تا حدود ٦٤ درصد و میزان مصرف سوخت را تا حدود ١٦ درصد کاهش دهد. نتایج این مطالعه می‌تواند گردانندگان سیستم حمل‌ونقل را در تصمیم‌گیری در ارتباط با نحوه هوشمندسازی تقاطع یاری کند.

performance evaluation of signalized intersections with an intelligent control approach - a case study in the pollution control zone of tehran

with the increase in population in urban and rural areas, transportation systems require less efficient management to meet growing demands. space and resource constraints for infrastructure improvements lead to issues that impact urban life. the increase in demand for mobility can affect environmental, traffic, and safety parameters. intersections can be mentioned as main centers of congestion, delay, pollutant emissions, and safety hazards. this situation presents a fundamental challenge for improving and optimally controlling traffic within the current infrastructure framework.in this study, the existing demand is first assigned dynamically using the gawron path selection algorithm over 5 iterations. then, the performance of 5 scenarios for controlling signalized intersections, including two intelligent approaches based on time spacing and delay, is investigated using microsimulation within the pollution control framework in terms of safety, environmental, and traffic concerns in tehran. the results show that smart signalized intersection control can reduce queue length by up to 64% and fuel consumption by around 16%. the results of this study can assist transportation system operators in decision-making regarding intersection intelligence optimization.