تحليل داده هاي بزرگ در كاربرد كنترل ترافيك

Big data analytics in ITS

پيش‌بيني شرايط ترافيكي يكي از مهمترين اهداف مهندسين ترافيك و از ملزومات شهر هوشمند به شمار مي‌آيد. استخراج الگوهاي رفتارهاي ترافيكي و همچنين تشخيص رفتارهاي جديد ترافيكي در تصميمات كلان شهري نقش به سزايي دارند. در اين مقاله، ما تحليل رفتارهاي ترافيكي و تشخيص حالات غيرعادي در آنها را با استفاده از مدل‌هاي موضوع مورد بررسي قرار داديم. در اين روش، مدل‌سازي براي روزهاي هفته و ماه‌هاي سال انجام مي‌شود و الگوهاي ترافيكي هفتگي و ماهانه استخراج مي‌شوند. تحليل خروجي‌هاي روش ارائه شده و تطبيق آن‌ها با الگوهاي واقعي شهري، صحت عملكرد و دقت اين روش را نشان مي‌دهد. همچنين نمودارهاي ROC براي بررسي همگرايي مدل رسم شدند.

Predicting traffic conditions is one the most important goals of traffic engineers and an integral part of smart cities. Extracting traffic behavior patterns and detecting new traffic patterns effect big decision makings for cities. In this article, we investigate analysis of traffic behaviors and anomaly detection by using of topic modeling. In this methodology, models are created for days of weeks and months. Monthly and weekly patterns are derived. Analysis of outputs of models match with our knowledge of real traffic patterns of Tehran. This can be a proof of concept for validity of this method in understanding traffic patterns.