این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه پردازش و مدیریت اطلاعات، جلد ۴۰، شماره ۱، صفحات ۰-۰
عنوان فارسی مدیریت هوشمند ترافیک با بکارگیری تکنیک‌های بینایی ماشین در شهرهای هوشمند
چکیده فارسی مقاله 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 حمل و نقل هوشمند، که از اجزای کلیدی شهرهای هوشمند به شمار می‌آیند، برای بهبود ایمنی سیستم حمل و نقل، کاهش اثرات زیست محیطی، ترویج توسعه حمل و نقل پایدار و افزایش بهره وری، توسعه یافته‌اند. این سیستم‌ها راه حل‌های مدرنی را برای مشکلات مربوط به حمل و نقل، از جمله ترافیک و تصادفات ارائه می‌دهند و با استفاده از داده‌های جمع آوری شده از زیرساخت‌ها، شبکه‌ها و وسایل نقلیه، به کارآمدی سیستم حمل و نقل و تضمین ایمنی شهروندان کمک می‌کنند. سیستم حمل و نقل هوشمند به عنوان سیستم یکپارچه مدیریت حمل و نقل، 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 تصمیم گیری و عمل کنند. بینایی ماشین، که بر پایه یادگیری ماشین از شبکه های عصبی عمیق استفاده می‌کند، راه حل‌هایی را ارائه می‌کند که می‌توانند در فرآیند خودکارسازی سیستم‌های حمل و نقل و افزایش سطح ایمنی آن، بکارگرفته 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 ولذا با جمع‌آوری تحقیقات از منابع مختلف و بررسی معماری‌های موثر شبکه‌های عصبی عمیق همراه با تعیین معیارهای ارزیابی عملکرد هریک، نشان می‌دهیم که چگونه بکارگیری تکنیک‌های بینایی ماشین در مدیریت ترافیک، می‌تواند در هوشمندتر شدن سیستم‌های حمل‌ونقل در شهرهای هوشمند تاثیر بسزایی داشته باشد.
کلیدواژه‌های فارسی مقاله شهر هوشمند،سیستمهای حمل و نقل هوشمند،بینایی ماشین،هوش مصنوعی،یادگیری عمیق،
عنوان انگلیسی Intelligent traffic management using machine vision techniques in smart cities
چکیده انگلیسی مقاله Smart city technologies are an important element to effectively manage the rapid industrialization of today's world, as they can help solve the economic and environmental problems caused by the increase in urban population. Smart cities integrate traditional infrastructure and public services with technology to create a more efficient, sustainable and accessible system, while meeting the needs of city residents and transforming the traditional understanding of city management. Intelligent transportation systems, which are key components of smart cities, have been developed to improve transportation system safety, reduce environmental impacts, promote sustainable transportation development, and increase productivity. These systems provide modern solutions to transportation-related problems, including traffic and accidents, and use data collected from infrastructure, networks, and vehicles to help improve the efficiency of the transportation system and ensure the safety of citizens. Intelligent transportation system as an integrated transportation management system, consisting of advanced communication, information processing and traffic management technologies, can immediately process real-time data collected from heterogeneous sources and analyze them to facilitate effective decision-making. Machine vision is one of the most prominent applied subfields of artificial intelligence, which enables systems to extract meaningful information from digital images and other visual inputs, as well as make decisions and act based on this information. Machine vision, which uses deep neural networks based on machine learning, offers solutions that can be used in the process of automating transportation systems and increasing its safety level. It is conceivable that autonomous vehicle architectures and intelligent traffic management will dominate smart cities and transform transportation systems, and in this regard, the development of machine vision techniques will play an important role. In this article, the effectiveness of deep learning methods based on machine vision in traffic management applications, including automatic recognition and recognition of license plates, recognition and identification of traffic signs, recognition and classification of vehicles, pedestrian recognition and recognition of road lines, has been investigated, and therefore by collecting research From various sources and examining the effective architectures of deep neural networks along with determining the performance evaluation criteria of each, we show how the use of machine vision techniques in traffic management can have a significant impact on making transportation systems smarter in smart cities.
کلیدواژه‌های انگلیسی مقاله شهر هوشمند,سیستمهای حمل و نقل هوشمند,بینایی ماشین,هوش مصنوعی,یادگیری عمیق
نویسندگان مقاله پیمان بابائی |
استادیار، گروه مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران؛

نشانی اینترنتی https://jipm.irandoc.ac.ir/article_718291_2152418fb0cff9afb388ad03cb31b50b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات