مروری بر روش‏ های نوین پیش ‏بینی هوشمند جریان ترافیک

در سال‌های اخیر، سیستم حمل‌ و نقل هوشمند (its) به جهت بهبود سطح ایمنی جاده‌ها، تسهیل مسیریابی و کنترل تراکم ترافیک به صورت چشم گیری توجه محققین را به خود جلب نموده است. چرا که با توسعه شهرها و افزایش تعداد وسایل نقلیه در جاده‌ها، ازدحام، آلودگی هوا، ترافیک و افزایش بی رویه آمار تصادفات جاده ای به یکی از چالش های مهم تبدیل شده است و با پیشرفت‌های its می‌توان در جهت ایجاد سیستم‌های حمل و نقل کارآمدتر و پایدارتر گام برداشت. در راستای ارائه یک نمای جامع تری از نقش پیش بینی ترافیک در سیستم های its، پس از معرفی برنامه های کاربردی its، در خصوص اثرات سازنده پیش بینی ترافیک بر عملکرد این برنامه ها بحث شده است. در این راستا روش های پیش‌بینی کلی و همچنین برخی از مفاهیم اولیه پیش‌بینی جریان ترافیک معرفی شده و یک چارچوب کلی به منظور اجرای پیش‌بینی جریان ترافیک شرح داده است. در ادبیات فنی معمولاً روش های پیش بینی به صورت آماری و روش های مبتنی بر یادگیری ماشین معرفی می شوند. روش های آماری از قابلیت بهتری جهت تفسیر برخوردار هستند. اما ساختار مدل دقیق، سازگاری را محدود می‌نماید. در حالی که مدل‌های یادگیری ماشین انعطاف پذیرتر می باشند. در این مقاله ویژگی‌های روش های پیش بینی هوشمند جریان ترافیک معرفی شده تا گامی جهت راهگشایی تحقیقات آینده گردد.