شبیه‌سازی و تحلیل چند معیاره موج سبز در کلان‌شهر اصفهان با تکیه بر داده‌های باز و iot

زمان‌بندی ناکارآمد چراغ‌های راهنمایی یکی از عوامل اصلی تشدید ازدحام شهری است که منجر به افزایش زمان سفر، مصرف سوخت و انتشار آلاینده‌ها می‌شود. با وجود پیشرفت‌های اخیر در سامانه‌های هوشمند، هنوز یک چارچوب سبک‌وزن، بازتولیدپذیر و مبتنی بر داده‌های باز برای ارزیابی راهبردهای هماهنگی چراغ‌ها در مقیاس شهری در دسترس نیست. در این پژوهش، یک چارچوب داده‌باز مبتنی بر osm و تحلیل گراف ارائه شده است که به‌طور خودکار چراغ‌ها را مکان‌یابی کرده و در صورت نقص داده، تقاطع‌های اصلی را تکمیل می‌کند. این چارچوب سپس دو حالت پایه (آفست صفر) و موج سبز (آفست‌های هماهنگ حول مرکز فاز سبز با سرعت پیشروی خودکار) را بر روی دو کریدور اصلی کلان‌شهر اصفهان خیابان‌های انقلاب–شمس‌آبادی و حکیم نظامی در سه سطح تقاضای ترافیک (کم، متوسط، زیاد) شبیه‌سازی و مقایسه می‌کند. ارزیابی چندمعیاره بوده و علاوه بر شاخص‌های تحرک (زمان سفر، تاخیر، توقف‌ها)، شاخص‌های پایداری (مصرف سوخت و انتشار co₂) را نیز در نظر گرفته است. نتایج نشان می‌دهند که موج سبز به‌طور میانگین موجب کاهش 47٪ در تاخیر، بهبود 10.7٪ در زمان سفر، و کاهش حدود 7٪ در مصرف سوخت و انتشار co₂ شده است. افزون‌براین، تحلیل حساسیت نسبت به طول چرخه، سهم سبز و سرعت پیشروی نشان می‌دهد که سرعت متوسط بهینه در بازه‌ی 30 تا 35 کیلومتر بر ساعت بیشترین کارایی را فراهم می‌سازد. ویژگی کلیدی این پژوهش آن است که چارچوب پیشنهادی کاملاً داده‌باز و قابل‌اتصال به داده‌های بلادرنگ iot و سامانه‌های gps شهری است. این قابلیت، امکان توسعه‌ی سریع به یک سیستم مدیریت ترافیک هوشمند و کم‌هزینه را فراهم می‌سازد و می‌تواند به‌عنوان یک ابزار پشتیبان تصمیم برای مدیران شهری در مسیر شهرهای هوشمند پایدار به‌کار رود.