منصة الرسائل والاطاريح: التنبؤ بتدفق حركة المرور باستخدام التعلم العميق بتضمين دمج تحليل شبكة الكاميرا وتأثيرات الظروف المناخية

الخلاصة

نظرًا للنمو الهائل في حركة المرور والتوسع الحضري، أصبح التنبؤ الدقيق بتدفق حركة المرور أمرًا بالغ الأهمية بشكل متزايد لتعزيز التنقل الحضري وتقليل الازدحام. أصبح التنبؤ بكيفية تأثير التقلبات المناخية على حركة المرور أمرًا بالغ الأهمية الآن لسلطات النقل ومخططي المدن وعلماء البيئة. تتناول هذه اللرسالة التحديات المرتبطة بالتنبؤ بدقة بأنماط حركة المرور وأحجام الازدحام من خلال استخدام أساليب التعلم العميق بالاعتماد على بيانات شبكة الطقس والكاميرات .تتضمن هذه الرسالة عدة خطوات رئيسية. أولاً، تم استخدام تقنيات متقدمة للكشف عن الأشياء لحساب عدد السيارات عند كل تقاطع على أساس كل ساعة. تم جمع حركة المرور من شبكة كاميرات واسعة الانتشار تم تركيبها في تقاطعات مختلفة في جميع أنحاء المدينة، مما يوفر مجموعة بيانات غنية وشاملة. وتقوم هذه الشبكة بمراقبة حركة المرور بشكل مستمر، والتقاط الصور التي تمت معالجتها لاستخراج عدد دقيق من السيارات، مما يضمن دقة عالية في قياس تدفق حركة المرور. بعد ذلك، تم إنشاء رسم بياني لتمثيل تدفق حركة المرور، حيث تم ربط التقاطعات بالتقاطعات المجاورة لها على أساس المسافة. تعكس الحواف في هذا الرسم البياني عدد السيارات في الساعة بين التقاطعات المتصلة. من هذا الرسم البياني، تم استخراج ميزات مثل مستوى الازدحام، مما يوفر عرضًا تفصيليًا لديناميكيات حركة وأنماط الازدحام عبر أوقات ومواقع مختلفة. باستخدام هذا الرسم البياني المبني على المسافة، تم تطوير هيكل شجري لتمثيل كل تقاطع مع التقاطعات المجاورة له، وتوزيع الأوزان على أساس القرب. سمحت هذه الخطوات بتجميع ناقل شامل لميزات حركة المرور. وفي الوقت نفسه، تم إعداد البيانات المناخية بعناية. تتضمن هذه البيانات متغيرات الطقس المختلفة مثل درجة الحرارة والرطوبة وسرعة الرياح وما إلى ذلك. وقد تم الحصول على بيانات المناخ من محطات الأرصاد الجوية الموثوقة والسجلات التاريخية، مما يضمن مجموعة بيانات قوية ودقيقة. تمت بعد ذلك مواءمة هذه البيانات مع ميزات حركة المرور بناءً على الوقت والموقع، مما يتيح التكامل السلس لمجموعة بيانات حركة المرور والطقس. كانت هناك مرحلتان لعملية التنبؤ: التنبؤ بالتدفق المروري ومستوى الازدحام بناءً على الطقس ومراعاة التقاطعات المجاورة للتنبؤ بتقاطع محدد. تم استخدام عدد من المؤشرات، بما في ذلك متوسط الخطأ التربيعي بينما تقييم أداء النموذج (MSE) للنموذج للتنبؤ بمستوى الازدحام كان 0.166 ، بينما كان متوسط مربع الخطأ للتنبؤ بالتدفق2.86 . تم الجمع بين دراسات شبكة الكاميرا وبيانات الطقس لتوفير رؤى مهمة حول العناصر التي تؤثر على أنماط حركة المرور في ظل المواقف الجوية المختلفة.