يك روش پوياي بهبود جريان ترافيك شهري با استفاده از اينترنت اشياء: تنظيم هوشمند چراغهاي راهنمايي و مسيريابي مجدد خودروها

A dynamic urban traffic flow improving method by using IOT: Intelligent traffic lights tuning and vehicles rerouting

يكي از مشكلات بزرگ در كلان شهرها پديده ازدحام ترافيكي است. حجم بالاي ترافيك در اين شهرها سبب كند شدن حركت خودروها ، توقف هاي طولاني پشت چراغ هاي راهنمايي و آسيب روحي و رواني جبران ناپذير براي مسافران و رانندگان مي گردد. با پيشرفت سيستم هاي ارتباطي ، سيستم هاي هوشمند ترافيكي نقش بسزايي در بهينه سازي جريان ترافيكي در شهرهاي بزرگ و شلوغ ايفا مي كنند. امروزه شبكه هاي فراگير پهن باند ، مجموعه داده هاي ترافيكي بي درنگ را به گونه اي فراهم مي كنند كه مسيريابي ترافيكي به صورت هوشمندانه بهينه سازي گردد. تغييرات پوياي ترافيك و همچنين تاثير يك مسيريابي بر روي مسيرهاي ديگر يكي از چالش هاي اصلي در بهينه سازي كلي جريان ترافيكي مي باشد. با توجه به اين مسيله ، در اين مقاله يك مدل براي محاسبه زمان سفر خيابان ارايه شده است. هر خودرو پس از ورود به شبكه ، با توجه به مبدا و مقصد خود ، مسير بهينه را به صورت پويا دريافت مي كند. وضعيت ترافيك شهري به صورت دوره اي بررسي مي گردد و با استفاده از روش تشخيص و پيش بيني ازدحام ، خيابان هاي مستعد ازدحام ترافيكي شناسايي شده و با استفاده از الگوريتم پيشنهادي انتخاب خودرو، وسايل نقليه ي منتخب بر اساس كوتاه ترين زمان سفر و با استفاده از الگوريتم دايجسترا، مسيريابي مجدد مي شوند. علاوه بر مسيريابي خودروها بر اساس وضعيت كنوني ، چراغ هاي راهنمايي به صورت پويا تنظيم مي شوند. نتايج ارزيابي عملكرد روش ما با استفاده از شبيه سازي ، كارايي مدل پيشنهادي را در بهينه سازي جريان ترافيكي نشان مي دهد.

Traffic congestion is one of the big problems in large cities. The high volume of traffic causes slow transportation, long stops times behind traffic lights and psychological damage for passengers and drivers. By advances in communication systems, intelligent traffic systems can play more roles in optimization of traffic flows in large and crowded cities. Today ubiquitous broadband networks provide real-time traffic data collection by which traffic routing can be optimized intelligently. Dynamically changing of traffic and also impact of traffic in one route on other related routes is one of the main challenges that make it difficult to globally optimize the traffic flow. Regarding to this issue, in this paper, we propose a new model to calculate the street travel time in which each vehicle finds its optimal routes according to its origin and destination, dynamically. In our proposed method, urban traffic situation is evaluated periodically and the streets with high traffic congestion potential are identified via diagnosis and prediction algorithms. Then the selected vehicles are re-rerouted based on shortest path by using Dijkstra’s algorithm. In addition to rerouting the vehicles according to current situation, we tune the traffic lights dynamically. Our performance evaluation through simulation shows the efficiency of the proposed method in optimization of traffic flow.