مروري بر روش هاي نوين جهت بهينه سازي در كاهش ترافيك هاي شهري

امروزه با افزايش حجم تراقيك و رشد سفرها، ساماندهي‌‌‍ و مديريت ترافيك يكي از ضرورت هاي مديريت شهري مي باشد. همچنين، شناسايي ترافيك در سال هاي اخير به يك كار چالش برانگيز تبديل شده است. اخيراً روش‌هاي يادگيري عميق به طور گسترده براي طبقه‌بندي ترافيك شبكه مورد مطالعه قرار گرفته‌اند. متأسفانه، اين مدل ها به حجم زيادي از داده هاي آموزشي نياز دارند. چالش ديگر با اكثر روش هاي طبقه بندي ترافيك اين است كه ويژگي ها بايد توسط يك متخصص استخراج شوند. در اين روش ها يافتن ويژگي هاي مورد نظر كه منجر به دسته بندي بهتر مي شود بسيار خسته كننده و زمان بر است. در نتيجه نياز به اقدامات نوين جهت كاهش ترافيك شهري بيش از پيش لازم مي دارد. هدف اصلي از اين مطالعه بررسي روش هاي نوين كنترل ترافيك شهري است. كه بيشتر بر پايه تحقيقات پيشين و تحليل آن‌ها استوار است. مطالعات مربوط به روش ها و مدل هاي جديد مرتبط با كاهش ترافيك از جمله، تكنولوژي، فناوري و سيستم هاي هوشمند درسالهاي اخير جمع‌آوري و مورد بررسي قرار گرفتند. نتايج نشان مي دهد كه استفاده از اين فناوري هاي جديد مي تواند باعث تخمين حجم ترافيك هاي پنهان، بهبود جريان ترافيك، پيش بيني واقعي عملكردهاي زمان سفر و حجم ترافيك، تعيين حالت سرويس دهي سطح خدمات مناسب، افزايش ظرفيت و كارايي زير ساخت هاي موجود حمل و نقل و مشخص نمودن حداكثر طول صف، توقف صف، تاخير خودرو، تاخير توقف و تعداد توقف‌ها شود.