مروری بر روش های نوین جهت بهینه سازی در کاهش ترافیک های شهری

امروزه با افزایش حجم تراقیک و رشد سفرها، ساماندهی‌‌‍ و مدیریت ترافیک یکی از ضرورت های مدیریت شهری می باشد. همچنین، شناسایی ترافیک در سال های اخیر به یک کار چالش برانگیز تبدیل شده است. اخیراً روش‌های یادگیری عمیق به طور گسترده برای طبقه‌بندی ترافیک شبکه مورد مطالعه قرار گرفته‌اند. متاسفانه، این مدل ها به حجم زیادی از داده های آموزشی نیاز دارند. چالش دیگر با اکثر روش های طبقه بندی ترافیک این است که ویژگی ها باید توسط یک متخصص استخراج شوند. در این روش ها یافتن ویژگی های مورد نظر که منجر به دسته بندی بهتر می شود بسیار خسته کننده و زمان بر است. در نتیجه نیاز به اقدامات نوین جهت کاهش ترافیک شهری بیش از پیش لازم می دارد. هدف اصلی از این مطالعه بررسی روش های نوین کنترل ترافیک شهری است. که بیشتر بر پایه تحقیقات پیشین و تحلیل آن‌ها استوار است. مطالعات مربوط به روش ها و مدل های جدید مرتبط با کاهش ترافیک از جمله، تکنولوژی، فناوری و سیستم های هوشمند درسالهای اخیر جمع‌آوری و مورد بررسی قرار گرفتند. نتایج نشان می دهد که استفاده از این فناوری های جدید می تواند باعث تخمین حجم ترافیک های پنهان، بهبود جریان ترافیک، پیش بینی واقعی عملکردهای زمان سفر و حجم ترافیک، تعیین حالت سرویس دهی سطح خدمات مناسب، افزایش ظرفیت و کارایی زیر ساخت های موجود حمل و نقل و مشخص نمودن حداکثر طول صف، توقف صف، تاخیر خودرو، تاخیر توقف و تعداد توقف‌ها شود.

an overview of new methods for optimizing the reduce of urban traffic

today, with the increase in the volume of traffic and the growth of travel, organizing and managing traffic is one of the necessities of urban medicine. also, traffic identification has become a challenging task in recent years. recently, deep learning methods have been extensively studied for network traffic classification recently. unfortunately, these models require a large amount of training data. another challenge with most traffic classification methods is that the features must be extracted by an expert. in these methods, finding the desired features that lead to a better classification is very tedious and time-consuming. therefore, new measures are needed to reduce urban traffic more than before. the purpose of this study is to investigate new methods of urban traffic control. which is mostly based on previous research and analysis. studies on new methods and models of traffic reduction, including technology, technology and intelligent systems, have been collected and reviewed in recent years. the results show that the use of these new technologies can estimate the volume of hidden traffic, improve traffic flow, accurately predict travel time operations and traffic volume, determine the appropriate service level, increase the capacity and efficiency of existing infrastructure. transportation and specification of travel time, maximum queue length, queue stop, vehicle delay, stop delay and number of stops.