فهرست نشریات علمی دسترسی آزاد ایران

فناوری‌های شهر هوشمند عنصر مهمی برای مدیریت مؤثر صنعتی شدن سریع جهان امروزی هستند، زیرا می‌توانند به رفع مشکلات اقتصادی و زیست‌محیطی ناشی از افزایش جمعیت شهری کمک کنند. شهرهای هوشمند زیرساخت‌های سنتی و خدمات عمومی را با فناوری ادغام می‌کنند تا سیستمی کارآمدتر، پایدارتر و قابل دسترس‌تر ایجاد کنند و ضمن اینکه نیازهای ساکنان شهر را برآورده می‌کنند، درک سنتی مدیریت شهر را نیز متحول می‌کنند. سیستم‌های حمل‌و‌نقل هوشمند، که از اجزای کلیدی شهرهای هوشمند به‌شمار می‌آیند، برای بهبود ایمنی سیستم حمل‌و‌نقل، کاهش اثرات زیست‌محیطی، ترویج توسعه حمل‌و‌نقل پایدار و افزایش بهره‌وری، توسعه یافته‌اند. این سیستم‌ها راه‌حل‌های مدرنی را برای مشکلات مربوط به حمل‌ونقل، از جمله ترافیک و تصادفات ارائه می‌دهند و با استفاده از داده‌های جمع‌آوری شده از زیرساخت‌ها، شبکه‌ها و وسایل نقلیه، به کارآمدی سیستم حمل‌و‌نقل و تضمین ایمنی شهروندان کمک می‌کنند. سیستم حمل‌و‌نقل هوشمند به‌عنوان سیستم یکپارچه مدیریت حمل‌ونقل، متشکل از ارتباطات پیشرفته، پردازش اطلاعات و فناوری‌های مدیریت ترافیک، می‌تواند داده‌های بلادرنگ جمع‌آوری شده از منابع ناهمگن را بلافاصله پردازش کرده و آن‌ها را برای تسهیل تصمیم‌گیری موثر تجزیه و تحلیل کند. بینایی ماشین یکی از برجسته‌ترین زیرشاخه‌های کاربردی هوش مصنوعی است که سیستم‌ها را قادر می‌سازد تا اطلاعات معنا‌داری را از تصاویر دیجیتال و سایر ورودی‌های بصری استخراج کنند و همچنین بر اساس این اطلاعات تصمیم‌گیری و عمل کنند. بینایی ماشین، که بر پایه یادگیری ماشین از شبکه‌های عصبی عمیق استفاده می‌کند، راه‌حل‌هایی را ارائه می‌کند که می‌توانند در فرایند خودکارسازی سیستم‌های حمل‌و‌نقل و افزایش سطح ایمنی آن، به‌کار گرفته شوند. قابل تصور است که معماری‌های وسایل نقلیه خودران و مدیریت هوشمند ترافیک در شهرهای هوشمند تسلط خواهند یافت و سیستم‌های حمل‌ونقل را متحول خواهند کرد و در این راستا توسعه تکنیک‌های بینایی ماشین نقش مهمی ایفا خواهند کرد. در این مقاله میزان اثربخشی روش‌های یادگیری عمیق مبتنی بر بینایی ماشین در کاربردهای مدیریت ترافیک شامل تشخیص و شناسایی خودکار پلاک خودرو، تشخیص و شناسایی علائم ترافیکی، تشخیص و طبقه‌بندی خودرو، تشخیص عابر پیاده و تشخیص خطوط جاده مورد بررسی قرارگرفته است و لذا با جمع‌آوری تحقیقات از منابع مختلف و بررسی معماری‌های مؤثر شبکه‌های عصبی عمیق همراه با تعیین معیارهای ارزیابی عملکرد هر یک، نشان داده شده است که چگونه به‌کارگیری تکنیک‌های بینایی ماشین در مدیریت ترافیک، می‌تواند در هوشمندتر شدن سیستم‌های حمل‌ونقل در شهرهای هوشمند تأثیر به‌سزایی داشته باشد.