Identifying Spatio-Temporal Patterns of Traffic Congestion Using Data Obtained from Google Maps Service Traffic Image

Abstract

تحلیل وضعیت ترافیکی و پیشنهاد روش‌های مدیریت جریان ترافیک نقش اساسی در ارزیابی عملکرد بسیاری از سیستم‌های حمل‌ونقلی ایفا می‌کند. در بین روش‌های جمع‌آوری داده‌های ترافیکی، رویکردهای مبتنی‌بر فنّاوری‌های نوین که امکان گرد‌آوری حجم بسیاری از داده‌های پویای زمانی‌ـ مکانی را فراهم می‌آورند و استخراج روندها و الگوها را تسهیل می‌کنند اهمیت بسیاری دارند. در این پژوهش، تهران به‌منزلة پایتخت ایران، با ویژگی‌های اقتصادی و اجتماعی خاصی که دارد و تنوع سفرها که به وضعیت ترافیکی متغیر منجر می‌شود، مطالعه شده است. داده‌های حاصل از پردازش رقومی تصاویر ترافیکی به‌دست‌آمده از سرویس نقشة گوگل در بازة زمانی پیوستة یک‌ماهه‌ای (هفدهم فروردین تا هفدهم اردیبهشت 1398)، نخستین بار به‌منظور ارزیابی روند تغییرات میانگین ازدحام ترافیکی در سطح نواحی منطقة مطالعاتی، به‌کار رفته است. پس از استخراج داده‌های اولیه و با توجه به تغییر الگوی سفرها و در نتیجه، میزان ازدحام ترافیکی، شاخص ازدحام ترافیکی (CI) به‌تفکیک در روزهای کاری و غیرکاری، محاسبه شد و به مرکز نواحی 117‌گانة شهر تهران اختصاص یافت. با استفاده از تحلیل‌های توصیفی روی کلان‌داده‌های مورد بررسی، ساعات اوج ازدحام ترافیکی در بازة زمانی مورد مطالعه استخراج شد. سپس شاخص Getis Ord، نواحی پرازدحام منطقة مطالعاتی را براساس ارزیابی خوشه‌های مکانی، مشخص کرد. همچنین ارتباط زمانی بین مقادیر ازدحادم ترافیکی، در برش‌های زمانی متفاوت طی کل بازة زمانی مورد مطالعه، با استفاده از آزمون آماری کروسکال والیس ارزیابی شد و فرض صفر مبتنی‌بر همبستگی بین مقادیر میانگین ازدحام و در نتیجه، همبستگی زمانی بین مقادیر تأیید شد. با استفاده از تحلیل‌های پوششی نقشه‌های ترافیکی نیز، خوشه‌های ترافیکی پرازدحام در سطح اطمینان 90%، در اوج صبح و عصر، به‌تفکیک روزهای کاری و غیرکاری استخراج شد. نتایج این پژوهش می‌تواند در اصلاح و بازنگری محدوده‌های ترافیکی مؤثر باشد و همچنین به تحلیل‌های مرتبط با آلودگی هوا، مطالعات در زمینة قیمت‌گذاری معابر و بررسی روند شکل‌گیری و انتشار گلوگاه‌های ترافیکی در بازه‌های زمانی دلخواه، یاری برساند.