16904

16904

كاهش زمان سفر بر اساس پيش‌بيني ازدحام ترافيك مناطق يك شهر با استفاده از شبكه‌هاي بين خودرويي

كارشناسي ارشد

مهندسي فناوري اطلاعات - شبكه‌هاي كامپيوتري

آبان 1395

دكتر محمود فتحي

كامپيوتر

رشد روزافزون تعداد خودروها و افزايش ترافيك، به يكي از چالش‌هاي پيشِ روي كلان‌شهرها در حوزه‌هاي مديريت ازدحامِ ترافيك، مصرف سوخت و آلودگي‌هاي محيطي تبديل شده است. به‌كارگيري سامانه‌هاي حمل‌ونقل هوشمند راه‌كاري مناسب جهت بهبود اين چالش‌ها محسوب مي‌شود. از مهم‌ترين فنّاوري‌هاي موردتوجه در اين سامانه‌ها مي‌توان به ارتباطات خودرويي اشاره كرد كه با ارائه گستره‌ي وسيعي از خدمات ايمني، رفاهي و ترافيكي سعي در بهبود چنين چالش‌هايي دارد. پيش‌بيني وضعيت ترافيك معابر شهري نقش بسزايي در مديريت ترافيك و بهبود عملكرد سامانه‌هاي حمل‌ونقل هوشمند دارد. غالباً اطلاعات مفيدي براي مديريت بهتر ترافيك در حجم زيادي از داده‌هاي ترافيكي جمع‌آوري‌شده در سامانه‌هاي حمل‌ونقل هوشمند وجود دارد. در تحقيقات اخير به‌كارگيري الگوريتم‌هاي داده‌كاوي با توجه به كارايي آن‌ها درزمينه‌ي استخراج اطلاعات از داده‌هاي حجيمي همچون داده‌هاي ترافيكي موردتوجه قرارگرفته است. در اين پايان‌نامه از داده‌هاي جمع‌آوري‌شده از سامانه حمل‌ونقل هوشمند در شهر مشهد براي پيش‌بيني ازدحام ترافيك در معابر مختلف شهر استفاده شده است. براي اين كار داده‌هاي ترافيكي معابر شهر در بازه‌هاي زماني 15 دقيقه‌اي براي مدت يك ‌سال جمع‌آوري و پيش‌پردازش شد و يك مجموعه داده ترافيكي به همراه ساير پارامترهاي مؤثر بر روي ترافيك از قبيل داده‌هاي تقويمي و داده‌هاي هواشناسي تهيه گرديد. سپس بر روي مجموعه داده به‌دست‌آمده مدل‌هاي مختلف رگرسيون و دسته‌بندي جهت پيش‌بيني ازدحام ترافيك از طريق الگوريتم‌هاي داده‌كاوي ايجاد شد. نتايج حاصل از ارزيابي الگوريتم‌هاي داده‌كاوي نشان داد كه روش مطرح‌شده مي‌تواند به‌طور رضايت بخشي وضعيت آينده ازدحام ترافيك شهر را در بازه‌هاي زماني مختلف پيش‌بيني كند. در مرحله بعدي، آگاهي خودروها از وضعيت ازدحام ترافيكِ پيش ‌رو در شبكه‌هاي بين خودرويي و درنتيجه آن انتخاب مسيرهاي كم ازدحام‌تر به‌منظور كاهش زمان سفر بررسي گرديد. براي انجام ارزيابي روش ارائه‌شده در شبكه‌هاي بين خودرويي از داده‌هاي واقعي جمع‌آوري‌شده و شبيه‌سازي واقع‌گرايانه استفاده شد. اين نوع شبيه‌سازي به استفاده‌ي هم‌زمان از سه شبيه‌ساز ترافيك SUMO، شبيه‌ساز شبكه‌ي OMNeT++ و شبيه‌ساز شبكه‌هاي بين خودرويي Veins استوار است. اين سه شبيه‌ساز به كمك سوكت‌هاي لايه انتقال به همديگر متصل مي‌شوند. شبيه‌سازي در دو حالتِ پيش‌بينيِ 4 و 6 سطحيِ ازدحام ترافيك و در چهار نقشه متفاوت ازنظر نوع فازبندي و زمان‌بندي چراغ‌هاي راهنمايي براي شهر مشهد انجام شد. نتايج شبيه‌سازي بيانگر كاهش زمان سفر در مسيرها و شرايط ترافيكي مختلف در اين شهر است.

1395/12/17

1/1/1900 12:00:00 AM

Daily growth in the number of cars an​d increasing traffic has become one of the challenges for metropolitan areas in different fields, including traffic jam, fuel consumption, an​d environmental pollution. Deployment of Intelligent Transportation Systems (ITS) is a proper solution to overcome these challenges. One of the most important technologies in these systems is vehicular communication, which tries to overcome these challenges through providing a variety of safeties, infotainment an​d traffic services. Predicting the state of urban traffic has a significant role in traffic management an​d improving the performance of intelligent transportation systems. Generally, there is useful information to better management of traffic in large volumes of traffic data collected in Intelligent Transport Systems. In recent research, use of data mining algorithms has been considered due to their performance in the field of extracting information from Big Data such as traffic data. In this thesis, collected data from intelligent transportation system in the city of Mashhad was used to predict the traffic congestion in various approaches in the city. To do this, the streets traffic data was collected an​d pre-processed at 15 minutes intervals over a year, an​d a traffic data set was obtained along with other parameters such as calendar data an​d meteorological data. Afterward, to predict the traffic congestion, regression an​d classification models were created through data mining algorithms on the prepared data set. The results of eva​luation of data mining algorithms showed that the method can predict future traffic congestion at different time intervals satisfactorily. In the next step, cars awareness of the situation of traffic congestion ahead in the vehicular network an​d the result of choosing low traffic congestion routes to reduce travel time was measured. To eva​luate the proposed method in the vehicular network, the real data was collected an​d a realistic simulation was used. This kind of simulation is based on simultaneous use of three simulators including traffic simulator SUMO, network simulator OMNeT++ an​d vehicular networks simulator Veins. These three simulators are connected to each other through TCP sockets. Simulation was done in four different urban maps for the city of Mashhad in terms of phasing an​d timing of traffic lights. The simulation results showed the significant reduction of travel time for the city of Mashhad on various routes an​d traffic conditions.