مروري بر روش هاي پيش‌بيني و مديريت تصادفات و ترافيك در شهرهوشمند

Accident and Traffic Prediction and Management Methods for Smart City: an Overview

امروزه رشد شهرنشيني و ازدحام وسايل‌نقليه در بسياري از كشورهاي درحال توسعه سبب افزايش تراكم ترافيك و ميزان تصادفات در شهرها شده است. از اين‌رو در اين پژوهش به آشنايي و مقايسه روش‌هاي مختلف فناوري‌هاي پيشرفته تشخيص ترافيك، پيش‌بيني تصادفات در شهرهاي هوشمند، الگوريتم‌هاي پردازش‌تصوير و يادگيري‌عميق، فناوري‌هاي اينترنت‌اشيا نظير سنسورهاي مادون قرمز و پردازنده تصاويرويديويي كه در جاده‌ها قرار مي‌گيرند و سامانه‌هاي پيش‌بيني تصادفات كه مي‌تواند تراكم و ازدحام وسايل نقليه را بهبود ببخشند و تصادفات را كاهش دهند، بررسي‌شده‌است. در نهايت، به مقايسه دقت و سرعت الگوريتم هاي بررسي شده براي تشخيص ترافيك و پيش‌بيني تصادفات پرداخته شده است.

Nowadays, in many developing countries, the surge in urbanization and vehicle congestion has led to a rise in traffic density and city accidents. This research aims to explore and compare various advanced traffic detection methods, accident prediction in smart cities using image processing, deep learning algorithms, and Internet of Things (IoT) technologies. These technologies include infrared sensors and video image processors installed on roads, and accident prediction systems. The goal is to alleviate traffic congestion, enhance vehicle flow, and decrease accidents. The study concludes with a comparison of the reviewed algorithms’ accuracy and speed in traffic detection and accident prediction.