Survey on traffc prediction in smart cities

توضیحات

ABSTRACT

The rapid development in machine learning and in the emergence of new data sources makes it possible to examine and predict traffic conditions in smart cities more accurately than ever. This can help to optimize the design and management of transport services in a future automated city. In this paper, we provide a detailed presentation of the traffic prediction methods for such intelligent cities, also giving an overview of the existing data sources and prediction models.

INTRODUCTION

Nowadays, smart city services are becoming more widespread than ever as cities are growing and becoming increasingly crowded as a result of urbanization and world population growth. The term “smart city” in refers to the use of information and communication technologies to sense, analyze and integrate  key information from core systems in operating cities. At the same time, smart city services can make intelligent responses to different kinds of needs in terms of daily livelihood, environmental protection, and public safety, as well as the city’s facilities and industrial and commercial activities. As smart city — related technologies develop rapidly (for example, the spread of IoT devices), more things  becomemeasurable. As a result, we have more and more usable data about the ecosystem of our cities.  Among the various notable goals of smart cities, construction of smart transportation systems and smart urban management systems are two of the key aims, which could significantly influence the lives of residents in future cities. Advanced Traffic Management Systems (ATMSs) and Intelligent Transportation Systems (ITSs) integrate information, communication, and other technologies and apply them in the field of transportation to build an integrated system of people, roads, and vehicles. These systems constitute a large, fully-functioning, real-time, accurate, and efficient .transportation management framework

چکیده

توسعه سریع در یادگیری ماشین و در ظهور منابع داده جدید، امکان بررسی و پیش بینی شرایط ترافیک در شهرهای هوشمند را دقیق تر از همیشه می کند. این می تواند به منظور بهینه سازی طراحی و مدیریت خدمات حمل و نقل در یک شهر خودکار آینده کمک کند. در این مقاله، ما ارائه دقیق روش های پیش بینی ترافیک را برای چنین شهرهای هوشمند ارائه می دهیم، همچنین ارائه کلی از منابع داده های موجود و مدل های پیش بینی شده است.

مقدمه

امروزه، خدمات شهری شهری از زمانیکه شهرها رشد می کنند و در نتیجه شهرنشینی و رشد جمعیت جهان به شدت شلوغ می شوند، در حال گسترش است. اصطلاح “شهر هوشمند” اشاره به استفاده از فناوری اطلاعات و ارتباطات برای شناخت، تجزیه و تحلیل و ادغام اطلاعات کلیدی از سیستم های اصلی در شهرهای عملیاتی است. در عین حال، خدمات شهر هوشمند می توانند پاسخ های هوشمندانه ای را به نیازهای مختلف از نظر معیشت روزانه، حفاظت از محیط زیست و ایمنی عمومی، و همچنین امکانات و فعالیت های صنعتی و تجاری شهر، پاسخ دهند. همانطور که فن آوری های مربوط به شهر هوشمند به سرعت در حال توسعه (به عنوان مثال، گسترش دستگاه های IoT)، چیزهای بیشتری تبدیل می شود قابل سنجش است. در نتیجه، ما اطلاعات بیشتر و قابل استفاده در مورد اکوسیستم شهرهای ما داریم. از اهداف مختلف قابل توجه شهرهای هوشمند، ساخت سیستم های هوشمند حمل و نقل و سیستم های مدیریت شهری شهری، دو هدف اصلی است که می تواند به طور چشمگیری بر زندگی شهروندان در شهرهای آینده تاثیر بگذارد. سیستم های مدیریت پیشرفته ترافیک (ATMS) و سیستم های حمل و نقل هوشمند (ITS) اطلاعات، ارتباطات و سایر فن آوری ها را ادغام می کنند و در زمینه حمل و نقل برای ایجاد یک سیستم یکپارچه از مردم، جاده ها و وسایل نقلیه استفاده می کنند. این سیستم ها چارچوب مدیریت بزرگ، کاملا کارآمد، زمان واقعی، دقیق و کارآمد حمل و نقل را تشکیل می دهند

Year: 2018

Publisher : ELSEVIER

 By : Attila M. Nagy, Vilmos Simon

File Information: English Language/ 31 Page / size: 770 KB

Download

سال : 1396

ناشر : ELSEVIER

کاری از : اتلی م. ناگی، ویلموس سیمون

اطلاعات فایل : زبان انگلیسی / 31 صفحه / حجم : KB 770

لینک دانلود