مروری بر فناوری سیستم حمل و نقل هوشمند و بررسی تکنیک های یادگیری ماشین برای سیستم حمل و نقل هوشمند

سیستم های حمل ونقل هوشمند (ITS) با استفاده از فناوری آمار مدرن و ارتباطات تلفنی، با ادغام انسان ها، جاده ها و خودروها، راه حل هایی برای تحویل پیشنهاد می دهند که امنیت، کارآیی و پایداری جاده ها را بهبود می بخشد.در سیستم حمل ونقل هوشمند، با توجه به نیازها و تقاضاهای مشتریان، هر مخترع جدید ویژگی ها و امکانات جدیدی را در ابداعات خود در نظر می گیرد. هدف سیستم حمل ونقل هوشمند (ITS) ارائه خدمات خلاقانه در زمینه مدیریت حمل ونقل است، همچنین کاربران را در استفاده از شبکه های حمل ونقل هماهنگ تر و ایمن تر می کند. فناوری بی سیم برای اتصال واحد جاده به واحد داخلی خودروها استفاده می شود. فناوری های بی سیم مورد نیاز برای این سیستم ها شامل شبکه حسگر بی سیم، سیستم موقعیت یاب جهانی (GPS) و اینترنت اشیاء (IoT) می باشند. سیستم حمل و نقل هوشمند، همچنین شامل سیستم های راهنمایی پارکینگ برای رانندگان، ارتباط خودرو به خودرو(V۲V) و زیرساخت واحدهای خودرو به خیابان است. و همچنین یادگیری ماشین یکی از بهترین ابزارهایی است که به صنعت حمل ونقل کمک می کند تا با جمع آوری تمام اطلاعات ایمنی و امنیتی مرتبط مانند رفتارهای رانندگان، شلوغی ترافیک، پیش بینی و هشدار تصادفات، اتصال V۲V و اتصال V۲I با پشتیبانی از الگوریتم های یادگیری ماشین مختلف و اینترنت اشیاء، حمل ونقل هوشمند را ارائه دهد. در این مقاله به معرفی سیستم حمل و نقل هوشمند و انواع آن و بررسی، انواع مختلفی از تکنیک های یادگیری ماشین، مراحل پیاده سازی الگوریتم های یادگیری ماشین در متلب برای یک سیستم حمل ونقل هوشمند مورد بحث قرار می گیرند