بررسی اثر هوشمندسازی علائم ترافیکی بر مشکلات ترافیکی شهرها

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی عمران، واحد سوادکوه، دانشگاه آزاد اسلامی، سوادکوه، ایران

2 گروه مهندسی عمران، دانشکده فنی و مهندسی، واحد آیت الله آملی، دانشگاه آزاد اسلامی، آمل، ایران

چکیده

تشخیص علائم راهنمایی و رانندگی نقشی حیاتی در سیستم حمل و نقل هوشمند دارد که با ارائه اطلاعات ایمنی و احتیاطی در مورد خطرات جاده‌ای به رانندگان، ایمنی در ترافیک افزایش می‌یابد. آگاهی از نحوه پردازش معنای علائم توسط انسان، باعث کاهش زمان پاسخ به این علائم و تصمیم‌گیری هنگام رانندگی می‌شود. اگرچه گسترش شبکه حمل و نقل در بحث ترافیک کمک می‌کند، اما این گسترش به دلیل هزینه‌های بالای مالی، محدودیت‌های جغرافیایی و زیست محیطی و همچنین مدت زمان طولانی برای بهبود زیرساخت‌های حمل و نقل، ممکن است غیرقابل اجرا باشد. این محدودیت‌ها را می‌توان با سیستم‌های مدیریت ترافیک (TMS) به حداقل رساند. استفاده کارآمد از منابع و کاهش ضایعات، اهداف کلیدی در مدیریت یک شهر هوشمند می‌باشند که در این زمینه، فعالیت‌های ترافیکی و حمل و نقلی تأثیر قابل توجهی دارند. در رویکردهای مربوط به شهر هوشمند، استفاده از روش‌های پردازش هوشمند در وسایل نقلیه برای افزایش ایمنی، بدون هیچگونه تداخلی در روند رانندگی ارائه شده است. در این پژوهش، به یک سیستم نوآورانه پرداخته شده که هدف آن کمک به تهیه برنامه مدیریت جاده‌ای و ایجاد چارچوبی برای قرار دادن علائم خیابانی و سیستم هوشمند خودروها با استفاده از تصاویر گوگل(GSV) است. پیشرفت‌های اخیر در فنآوری تشخیص اشیا در حافظه ماشین، رویکرد خودکاری را توسط تصاویر گوگل برای شناسایی و طبقه‌بندی تابلوهای خیابانی ارائه داده است، که امکان استفاده برای تولید یک سیستم مستقل تشخیص علائم در تصاویر را جهت بهبود نظارت و نگهداری اطلاعات ترافیکی مهیا می‌کند. این مقاله، به بررسی و مقایسه مطالعات و پیشرفت‌های مرتبط با علائم و تابلو‌های ترافیکی در شهرهای هوشمند و سیستم حمل و نقل هوشمند می‌پردازد. نتایج، نشان دهنده کاهش زمان سفر، بهبود تعمیر و نگهداری وسایل نقلیه و تدارکات سیستم حمل و نقل، استفاده بهتر از ناوگان، کاهش مصرف سوخت و کاهش انتشار CO2 وسیله نقلیه می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the effect of smartening traffic signs for traffic problems in cities

نویسندگان [English]

  • mohsen amouzadeh omrani 1
  • pouyan nazarian 2
1 Department of Civil Engineering, Savadkuh Branch, Islamic Azad University, Savadkooh, Iran
2 Department of civil engineering, Faculty of Engineering, Ayatollah Amoli Branch, Islamic Azad University, Amol, Iran
چکیده [English]

Traffic sign recognition plays a vital role in the intelligent transportation system, which increases traffic safety by providing safety and precautionary information about road hazards to drivers. Knowledge of how humans process the meaning of symptoms reduces the time it takes to respond to them and make decisions while driving. Although the expansion of the transportation network helps in the discussion of traffic, this expansion may not be feasible due to high financial costs, geographical and environmental constraints, as well as long-term improvements to transportation infrastructure. These limitations can be minimized with Traffic Management Systems (TMS). Efficient use of resources and waste reduction are key goals in managing a smart city, in which traffic and transportation activities have a significant impact. In smart city approaches, the use of intelligent processing methods in vehicles to increase safety is proposed without any interference in the driving process. This study addresses an innovative system that aims to assist councils in developing a road management plan and creating a framework for placing street signs and intelligent car systems using Google Images (GSV). Recent advances in machine memory detection technology have provided Google Automated Images with an automated approach to identifying and classifying street signs, allowing it to be used to produce a standalone image recognition system to improve traffic information monitoring and storage. This article reviews and compares studies and developments related to traffic signs and signs in smart cities and intelligent transportation systems. The results show a reduction in travel time, improved vehicle maintenance and transportation system logistics, better fleet utilization, reduced vehicle fuel consumption and CO2 emissions.

کلیدواژه‌ها [English]

  • Traffic Signs
  • smartening
  • traffic infrastructure
  • Intelligent Transportation System
  • GSV