طراحي سيستم اطلاعاتي تحليل آينده نگر بر مبناي عوامل محيطي ترافيك به منظور بهبود راهبري ترافيك شهر تهران

Designing a Predictive Analytics System for Improving the Direction of Traffic in Tehran Based on Environmental Factors

ترافيك امروزه در كلانشهر تهران يكي از مسائل مهم و پيچيده، مديريت شهري است. در شرايطي كه در به طور پيوسته و بدون توجه به ظرفيت معابر بر تعداد خودروها افزوده ميشود و سرعت توسعه زير ساخت هاي حمل و نقل شهري و حمل و نقل عمومي در مقايسه با آن ناچيز است، تنها ميتوان به وسيله مديريت بار ترافيك و راهبري آن تا حدودي از اثرات مخرب آن جلوگيري كرد. در اين پژوهش تلاش شده است تا با استفاده از روش هاي داده كاوي، اطلاعات وضعيت ترافيك و تصادف هاي 4 بزرگراه اصلي تهران به اضافه اطلاعات آلودگي هوا، وضعيت اب و هوا و تقويم در يك سال مورد بررسي قرار گيرد. روش تحقيق بر مبناي اصول روش شناسي علم طراحي طراحي شده است كه به دنبال طراحي راه حل براي حل يك مشكل توسط ارائه يك فرآورده كاربردي است و براي اجرا از گام هاي روش CRISP-DM استفاده شده است. از الگوريتم هاي خوشه بندي براي بدست آوردن اطلاعات درباره توزيع داده ها و پردازش اوليه آنها و از الگوريتم هاي طبقه بندي براي پيش بيني وضعيت ترافيك، آلودگي هوا و وقوع تصادف ها استفاده شده است كه مدل هايي با دقت بالا ارائه كرده اند.

Today s traffic in the metropolis of Tehran is one of the most important and complex issues of urban management. In a situation where the number of vehicles increases continuously, regardless of capacity, and the speed of development of urban transport and public transport infrastructure is negligible in comparison to that, it can only be managed by traffic management and navigation To some extent, its destructive effects were prevented. In this research, we tried to investigate the traffic situation and traffic accident data of 4 main highways of Tehran along with data on pollution, weather conditions and calendar in a one-year period using data mining methods. The research methodology is based on the principles of methodology design science that seeks to design a solution to solve a problem by presenting a functional product and is used to implement the steps of the CRISP-DM method. Clustering algorithms have been used to obtain information on the distribution of data and their initial processing, and classification algorithms have been used to predict traffic conditions, air pollution, and crash events that provide high-accuracy models.