مروری بر روش های پیش‌بینی و مدیریت تصادفات و ترافیک در شهرهوشمند

امروزه رشد شهرنشینی و ازدحام وسایل‌نقلیه در بسیاری از کشورهای درحال توسعه سبب افزایش تراکم ترافیک و میزان تصادفات در شهرها شده است. از این‌رو در این پژوهش به آشنایی و مقایسه روش‌های مختلف فناوری‌های پیشرفته تشخیص ترافیک، پیش‌بینی تصادفات در شهرهای هوشمند، الگوریتم‌های پردازش‌تصویر و یادگیری‌عمیق، فناوری‌های اینترنت‌اشیا نظیر سنسورهای مادون قرمز و پردازنده تصاویرویدیویی که در جاده‌ها قرار می‌گیرند و سامانه‌های پیش‌بینی تصادفات که می‌تواند تراکم و ازدحام وسایل نقلیه را بهبود ببخشند و تصادفات را کاهش دهند، بررسی‌شده‌است. در نهایت، به مقایسه دقت و سرعت الگوریتم های بررسی شده برای تشخیص ترافیک و پیش‌بینی تصادفات پرداخته شده است.

accident and traffic prediction and management methods for smart city: an overview

nowadays, in many developing countries, the surge in urbanization and vehicle congestion has led to a rise in traffic density and city accidents. this research aims to explore and compare various advanced traffic detection methods, accident prediction in smart cities using image processing, deep learning algorithms, and internet of things (iot) technologies. these technologies include infrared sensors and video image processors installed on roads, and accident prediction systems. the goal is to alleviate traffic congestion, enhance vehicle flow, and decrease accidents. the study concludes with a comparison of the reviewed algorithms’ accuracy and speed in traffic detection and accident prediction.