بهبود کنترل ترافیک شهری بر اساس اینترنت اشیاء با هوشمند سازی چراغ های راهنمایی و مسیریابی مجدد خودروها و کاهش زمان سفر
آرشیو
چکیده
ترافیک سنگین در شهرهای پرجمعیت یکی از بزرگترین مشکلات شهروندان است. سنسورهای هوشمند نصب شده روی چراغ های راهنمایی می توانند به مدیریت این مشکل کمک کنند. این سنسورها که با استفاده از اینترنت اشیا (IoT) مدیریت می شوند، در هنگام ترافیک سنگین، مدت زمان توقف یا حرکت را بر اساس جریان ترافیک تنظیم می کنند. شبکه های پهن باند داده های ترافیکی را به صورت بلادرنگ فراهم می کنند که این امر به بهینه سازی هوشمندانه مسیریابی ترافیک کمک می کند. یکی از چالش های اصلی در بهینه سازی جریان ترافیک، تغییرات پویا و تأثیر مسیریابی بر روی مسیرهای دیگر است. در این پژوهش، مدلی برای محاسبه زمان سفر خیابان ارائه شده است. هر خودرو پس از ورود به شبکه، مسیر بهینه را به صورت پویا دریافت می کند. وضعیت ترافیک شهری به صورت دوره ای بررسی می شود و خیابان های مستعد ازدحام ترافیکی شناسایی می شوند. در گام اول، الگوریتم دایجسترا برای پیاده سازی مسیر کوتاه تر استفاده شده تا معیاری برای ارزیابی کارایی روش پیشنهادی باشد. سپس، عوامل مؤثر بر زمان سفر شناسایی و درجه اهمیت هر کدام مشخص می شود. با استفاده از الگوریتم A* و تحلیل اطلاعات شبکه های بین خودرویی، مسیر مطلوب با کوتاه ترین زمان سفر شناسایی می شود. نتایج شبیه سازی نشان دهنده تأثیر بسزای این روش در کاهش زمان سفر است. همچنین، مسیریابی خودروها و تنظیمات چراغ های راهنمایی بر اساس وضعیت ترافیک کنونی به صورت پویا انجام می شود. ارزیابی عملکرد روش ما با استفاده از شبیه سازی کارایی مدل پیشنهادی را در بهینه سازی جریان ترافیکی نشان می دهد.Improving urban traffic control based on the Internet of Things by intelligentizing traffic lights and rerouting cars and reducing travel time
Heavy traffic in densely populated cities is one of the biggest problems of citizens. Smart sensors installed on traffic lights can help manage this problem. These sensors, which are managed using the Internet of Things (IoT), adjust the time to stop or move based on traffic flow during heavy traffic. Broadband networks provide real-time traffic data that helps intelligently optimize traffic routing. One of the main challenges in traffic flow optimization is dynamic changes and the impact of routing on other routes. In this research, a model for calculating street travel time is presented. After entering the network, each car receives the optimal route dynamically. The urban traffic situation is checked periodically and streets prone to traffic congestion are identified. In the first step, Digestra algorithm is used to implement the shortest path to be a criterion for evaluating the efficiency of the proposed method. Then, the factors affecting travel time are identified and the degree of importance of each is determined. By using the A* algorithm and analyzing the information of inter-vehicle networks, the optimal route with the shortest travel time is identified. The simulation results show the great effect of this method in reducing the travel time. Also, car routing and traffic light settings are done dynamically based on the current traffic situation. The performance evaluation of our method using simulation shows the effectiveness of the proposed model in traffic flow optimization.
تبلیغات
