کاربرد کلان‌داده در پیش‌بینی و مدیریت ترافیک شهری
کلمات کلیدی:
کلان‌داده, ترافیک شهری, مدیریت ترافیک, شهر هوشمند, پیش‌بینی ترافیک, حمل‌ونقل هوشمندچکیده
هدف این پژوهش مرور و تحلیل نظام‌مند مطالعات علمی در زمینه نقش و کارکردهای کلان‌داده در پیش‌بینی و مدیریت ترافیک شهری است. این مطالعه با رویکرد مرور نظام‌مند کیفی و تحلیل مضمون انجام شد. جست‌وجوی گسترده در پایگاه‌های معتبر بین‌المللی شامل Scopus، Web of Science، IEEE Xplore، Google Scholar و ScienceDirect صورت گرفت و بر اساس معیارهای ورود و خروج مشخص، ۱۸ مقاله انتخاب شد. فرایند تحلیل داده‌ها با استفاده از نرم‌افزار NVivo نسخه ۱۴ و از طریق کدگذاری باز، محوری و انتخابی انجام شد. برای اطمینان از اعتبار تحلیل، مقایسه مستمر داده‌ها، بازبینی مکرر کدها و اعمال معیار اشباع نظری انجام گرفت. نتایج نشان داد کلان‌داده نقش تعیین‌کننده‌ای در پیش‌بینی دقیق وضعیت ترافیک، تحلیل الگوهای مکانی-زمانی، بهبود مدل‌های یادگیری ماشین و شناسایی اختلالات شبکه دارد. علاوه‌براین، کاربردهای گسترده‌ای در بهینه‌سازی زمان‌بندی چراغ‌ها، مدیریت جریان عبوری، ارتقای حمل‌ونقل عمومی، پاسخ‌گویی اضطراری و مدیریت پارکینگ هوشمند گزارش شد. چالش‌هایی همچون کیفیت پایین داده‌ها، محدودیت‌های زیرساختی، نگرانی‌های حریم خصوصی و موانع سازمانی نیز به‌عنوان عوامل بازدارنده شناسایی شدند. جمع‌بندی نتایج نشان می‌دهد کلان‌داده می‌تواند بنیانی مؤثر برای مدیریت هوشمند ترافیک شهری فراهم کند و به بهبود تصمیم‌گیری، کاهش ازدحام، افزایش ایمنی و ارتقای کیفیت زندگی شهری منجر شود. با این‌حال، بهره‌گیری مؤثر از آن مستلزم رفع چالش‌های فنی، حقوقی و سازمانی و نیز سرمایه‌گذاری در زیرساخت‌های داده‌محور است.
دانلودها
مراجع
Alsaadi, A. (2022). Big data governance challenges in smart cities. Journal of Urban Technology, 29(4), 45–62.
Chen, Y., Xu, H., & Zhao, L. (2021). Sensor-based traffic flow prediction using big data analytics. Transportation Research Part C, 129, 103–121.
Cooper, D., Martin, E., & Jones, T. (2019). Real-time traffic incident detection using big data. Accident Analysis & Prevention, 132, 105–118.
Gao, H., & Liu, Z. (2022). Organizational barriers in implementing big data systems in urban transport management. Cities, 121, 103–148.
Jin, P., Wang, K., & Zhou, X. (2021). Using mobile phone data to model urban mobility patterns. Computers, Environment and Urban Systems, 88, 101–136.
Li, X., & Wang, Y. (2020). Multimodal data fusion for traffic flow analytics. IEEE Transactions on Intelligent Transportation Systems, 21(6), 2349–2360.
Rahmani, M., Eshghi, A., & Shafiei, S. (2021). Infrastructure readiness for big data-based traffic systems. International Journal of Transportation Science, 10(3), 112–129.
Shoup, D. (2018). Parking and the city. Routledge.
Sun, L., & Axhausen, K. (2020). Integrating public transport data with traffic flow modeling. Transportation Research Part A, 136, 123–140.
Taylor, B., & Francis, D. (2020). Challenges in integrating heterogeneous transportation data. Journal of Transportation Data Analytics, 7(2), 67–85.
Yu, H., & Ma, X. (2021). Intelligent signal control using real-time big data. Transportation Research Interdisciplinary Perspectives, 11, 100–432.
Zhang, J., Li, S., & Chen, R. (2022). Deep learning models for traffic prediction using big data. Neural Networks, 150, 240–258.
