مروری بر روش های نوین جهت بهینه سازی در کاهش ترافیک های شهری

امروزه با افزایش حجم تراقیک و رشد سفرها، ساماندهی ‍ و مدیریت ترافیک یکی از ضرورت های مدیریت شهری می باشد. همچنین، شناسایی ترافیک در سال های اخیر به یک کار چالش برانگیز تبدیل شده است. اخیرا روش های یادگیری عمیق به طور گسترده برای طبقه بندی ترافیک شبکه مورد مطالعه قرار گرفته اند. متاسفانه، این مدل ها به حجم زیادی از داده های آموزشی نیاز دارند. چالش دیگر با اکثر روش های طبقه بندی ترافیک این است که ویژگی ها باید توسط یک متخصص استخراج شوند. در این روش ها یافتن ویژگی های مورد نظر که منجر به دسته بندی بهتر می شود بسیار خسته کننده و زمان بر است. در نتیجه نیاز به اقدامات نوین جهت کاهش ترافیک شهری بیش از پیش لازم می دارد. هدف اصلی از این مطالعه بررسی روش های نوین کنترل ترافیک شهری است. که بیشتر بر پایه تحقیقات پیشین و تحلیل آن ها استوار است. مطالعات مربوط به روش ها و مدل های جدید مرتبط با کاهش ترافیک از جمله، تکنولوژی، فناوری و سیستم های هوشمند درسالهای اخیر جمع آوری و مورد بررسی قرار گرفتند. نتایج نشان می دهد که استفاده از این فناوری های جدید می تواند باعث تخمین حجم ترافیک های پنهان، بهبود جریان ترافیک، پیش بینی واقعی عملکردهای زمان سفر و حجم ترافیک، تعیین حالت سرویس دهی سطح خدمات مناسب، افزایش ظرفیت و کارایی زیر ساخت های موجود حمل و نقل و مشخص نمودن حداکثر طول صف، توقف صف، تاخیر خودرو، تاخیر توقف و تعداد توقف ها شود.