فهرست مطالب

مطالعات مدیریت ترافیک - پیاپی 63 (زمستان 1400)

فصلنامه مطالعات مدیریت ترافیک
پیاپی 63 (زمستان 1400)

  • تاریخ انتشار: 1401/02/10
  • تعداد عناوین: 6
|
  • اسفندیار تباشیر، اسکندر مومنی*، علی عزیزی صفحات 1-38
    زمینه و هدف

    بی توجهی به مقررات راهنمایی و رانندگی و قانون گریزی همواره از علل بروز مشکلات، معضلات و حوادث ترافیکی در همه جوامع بوده است؛ حوادث و سوانح ترافیکی و میزان مرگ ومیر و مجروحان حاصل از آن، سالانه بیش از 6 درصد تولید ناخالص ملی کشور ایران را تلف می کند. از این‎رو، هدف تحقیق حاضر، شناسایی مولفه ها و شاخص های مدیریت هوشمند تخلفات رانندگی با رویکرد ماتریس هادون است.

    روش

    این پژوهش از نظر هدف، کاربردزمینه و هدف: بی‌توجهی به مقررات راهنمایی و رانندگی و قانون‌گریزی همواره از علل بروز مشکلات، معضلات و حوادث ترافیکی در همه جوامع بوده است؛ حوادث و سوانح ترافیکی و میزان مرگ‌ومیر و مجروحان حاصل از آن، سالانه بیش از 6 درصد تولید ناخالص ملی کشور ایران را تلف می‌کند. از این‎رو، هدف تحقیق حاضر، شناسایی مولفه‌ها و شاخص‌های مدیریت هوشمند تخلفات رانندگی با رویکرد ماتریس هادون است. روش: این پژوهش از نظر هدف، کاربردی و از نظر نوع، کیفی با رویکرد تحلیل مضمون انجام شده است. جامعه تحقیق را خبرگان و صاحب‌نظران حوزه درون و برون‌شهری پلیس راهنمایی و رانندگی، مهندسان حمل‌ونقل و متخصصان حوزه سامانه حمل‎ونقل هوشمند[1] تشکیل می‌دهد که 10 نفر به روش هدف‌مند انتخاب شدند و برای گردآوری داده‌ها از ابزار مصاحبه عمیق نیمه‌ساختاریافته استفاده شد. یافته‌ها: در تحلیل داده‌های حاصل از مصاحبه؛ سه مقوله اصلی شامل: مدیریت هوشمند تخلفات رانندگی قبل از وقوع، مدیریت هوشمند تخلفات رانندگی حین وقوع و مدیریت هوشمند تخلفات رانندگی بعد از وقوع در مدیریت تخلفات رانندگی ارائه شد که هرکدام شامل مولفه‌ها و شاخص‌های متعددی بود و در مجموع تعداد 93 شاخص و 21 مولفه در حوزه مدیریت هوشمند تخلفات رانندگی شناسایی و احصا شد. نتیجه‌گیری: از تعداد 93 شاخص موجود صرفا 22 شاخص آن مربوط به حین وقوع تخلف رانندگی بوده و تعداد 71 شاخص آن مربوط به قبل و بعد از وقوع تخلف رانندگی است. لذا شاخص‌های مدیریت هوشمند تخلفات رانندگی در مراحل قبل و بعد از وقوع تخلف از فراوانی بالاتری برخوردار هستند.ی و از نظر نوع، کیفی با رویکرد تحلیل مضمون انجام شده است. جامعه تحقیق را خبرگان و صاحب نظران حوزه درون و برون شهری پلیس راهنمایی و رانندگی، مهندسان حمل ونقل و متخصصان حوزه سامانه حمل‎ونقل هوشمند[1] تشکیل می دهد که 10 نفر به روش هدف مند انتخاب شدند و برای گردآوری داده ها از ابزار مصاحبه عمیق نیمه ساختاریافته استفاده شد.

    یافته ها

    در تحلیل داده های حاصل از مصاحبه؛ سه مقوله اصلی شامل: مدیریت هوشمند تخلفات رانندگی قبل از وقوع، مدیریت هوشمند تخلفات رانندگی حین وقوع و مدیریت هوشمند تخلفات رانندگی بعد از وقوع در مدیریت تخلفات رانندگی ارایه شد که هرکدام شامل مولفه ها و شاخص های متعددی بود و در مجموع تعداد 93 شاخص و 21 مولفه در حوزه مدیریت هوشمند تخلفات رانندگی شناسایی و احصا شد.

    نتیجه گیری

    از تعداد 93 شاخص موجود صرفا 22 شاخص آن مربوط به حین وقوع تخلف رانندگی بوده و تعداد 71 شاخص آن مربوط به قبل و بعد از وقوع تخلف رانندگی است. لذا شاخص های مدیریت هوشمند تخلفات رانندگی در مراحل قبل و بعد از وقوع تخلف از فراوانی بالاتری برخوردار هستند.

    کلیدواژگان: مدیریت هوشمند، تخلفات رانندگی، ماتریس هادون
  • یدالله عربخانی، قاسم عرب*، محمدباقر سلیمی، محمدرضا حسن زاده صفحات 39-71
    زمینه و هدف

    سوانح ترافیکی و صدمات ناشی از آن، زندگی بسیاری از مردم جهان را تهدید می‌کند و سالانه حدود 250/1 میلیون نفر در جهان در سوانح جاده‌ای کشته و بیش از 50 میلیون نفر دچار آسیب‌های جدی می‌شوند. تحقیق حاضر در راستای تحلیل علل وقوع این سوانح ترافیکی در حاشیه شهرها با تاکید بر متغیر حاشیه‌نشینی در شهر مشهد است.

    روش

    این تحقیق از نظر هدف، کاربردی و از نظر روش تحقیق، کیفی از نوع تحلیل محتوای جهت‌دار[1] است. جمعیت مشارکت‌کننده شامل روسا، معاونان و کارشناسان پلیس راهور در امور تصادفات در تهران هستند، که به تعداد 21 نفر و براساس نمونه‌گیری گلوله برفی انتخاب شدند. روش گرداوری اطلاعات میدانی و ابزار ان مصاحبه‌های عمیق نیمه ساختاریافته تا رسیدن به اشباع نظری است. در روایی تحقیق از روش محتوایی و پایایی آن بر طبق ضریب توافق درصدی با تاکید بر مدل هفت‌گانه کرسول (1391) انجام شده است.

    یافته‌ها

    یافته‌ها نشان داد که برای پیش‌بینی و پیش‌گیری سوانح ترافیکی حاشیه کلان‌شهر مشهد براساس اولویت‌بندی صورت‌گرفته توسط مصاحبه شونده‌ها، آموزش، موتورسیکلت سواران، عابران‌پیاده، پلیس راهور در پیش‌گیری و ایجاد پایگاه‌های مردمی از اهمیت بیشتری در شناسایی مشکلات ترافیکی و علل سوانح ترافیکی حاشیه کلان‌شهرها نقش داشت.

    نتایج

    نتایج نشان داد که شرایط حاکم بر حاشیه‌نشینی (برای مثال: تراکم محلات و جمعیت، زیرساخت‌ها و مدیریت جامعه شهری) تا اندازه زیادی در وقوع و گسترش سوانح ترافیکی دخیل بوده است.

    کلیدواژگان: سوانح ترافیکی، حاشیه کلانشهرها، زیرساختهای ترافیکی، تراکمجمعیت، مدیریت جامعه شهری
  • ناصر شهسواری پور *، محمدحسین آزادی، علی جهانگیری، شهلا حیدربیگی صفحات 73-113

    زمینه و هدف: سال ها است که مدیران حمل ونقل شهرها به دنبال راه حل هایی برای کنترل پدیده حمل ونقل و حل مسئله ترافیک هستند. مسئله حمل ونقل و ترافیک در زمان های مختلف در حال تغییر است و استفاده از تجزیه و تحلیل های ایستا، راه حل مناسبی برای حل مسایل پیچیده و متغیر مانند حمل ونقل و ترافیک نیست. لذا پژوهش حاضر با هدف شبیه سازی موضوع حمل ونقل و ترافیک شهری با بهره گیری از نگرش سیستمی انجام شد.

    روش

    تحقیق حاضر از نوع مطالعات پویایی شناسی سیستم محسوب می شود. به طورکلی، در مطالعات پویایی شناسی سیستم از روش ترکیبی (کمی و کیفی)، جهت گیری کاربردی و رویکرد استقرایی قیاسی بهره گرفته می شود. در این مطالعه، متغیرهای موثر در ترافیک شهری و مقادیر بهینه آنها با استفاده از روش پویایی سیستم شناسایی و سپس سیاست هایی برای بهبود وضعیت ترافیک ارایه شده است.

    یافته ها

    یافته های پژوهش حاکی از شناسایی متغیرهای تاثیرگذار بر مسئله ترافیک شهری و معرفی سیاست هایی برای بهبود سیستم ترافیک شهری پویا است. متغیرهای مهم شامل: ورود اتومبیل های جدید، ظرفیت پارکینگ ها، قوانین بازدارنده، میزان تصادفات، ظرفیت خیابان ها و میزان مرگ ومیر و تولد، در مدل مربوطه وارد و سیاست ها تبیین شد.

    نتیجه گیری

    با انجام شبیه سازی و آزمون رفتار سیستم از حیث وضعیت آینده سیستم ترافیک شهری مورد بررسی قرار گرفت. سپس با دخالت دادن سیاست های مختلف، شرایط متفاوتی در سیستم ایجاد شد تا بتوان به درک بهتری از شرایط لازم برای دست یابی به اهداف این مدل رسید. نتیجه مدل نشان می دهد که افزایش روزافزون ظرفیت خیابان ها، پارکینگ ها، آموزش فرهنگ ترافیک و توسعه زیرساخت های سفرهای درون شهری ضروری است.

    کلیدواژگان: شبیه سازی، حمل ونقل، ترافیک، تدوین سیاست ها
  • وحید صمدپور خلیفه محله *، محمدصادق شاه قلی، غلامرضا رضایی صفحات 115-145
    زمینه و هدف

    تجزیه و تحلیل پارامترهایی که باعث وقوع تصادفات می شوند، می تواند به بهبود ترافیک کمک کند. در سال 1399، تعداد 584 فوت ناشی از تصادفات وسایل نقلیه در کلان شهر تهران ثبت شده است. از این تعداد، 67درصد از تلفات در بزرگراه ها و 33درصد در سایر معابر شهری رخ داده است. پژوهش گران بسیاری به تحلیل و بررسی علل و شدت تصادفات پرداخته اند تا با ارایه راه کارهای مناسب به کاهش این خسارات کمک کنند. هدف اصلی این مطالعه، تعیین عوامل مرتبط با شدت تصادفاتی است که در بزرگراه های کلان شهر تهران رخ داده است.

    روش

     این پژوهش از نظر هدف، کاربردی و از نظر روش های کمی گردآوری داده ها، توصیفی- مقطعی است. گردآوری اطلاعات موردنیاز از طریق مطالعات کتابخانه ای و میدانی و استفاده از داده های آماری مربوطه انجام گرفته است. برای تجزیه و تحلیل داده ها از آمار تصادفات به وقوع پیوسته در ده بزرگراه منتخب شهر تهران استفاده شده است. به منظور شناسایی عوامل موثر بر شدت تصادفات معابر بزرگراهی، مدل رگرسیون لجستیک دودویی و 90852 داده واقعی تصادفات در بازه زمانی سال های 1390 تا 1399 به کار گرفته شدند و تحلیل حساسیت عوامل شناسایی شده نیز انجام شد.

    یافته ها

    یافته های  تحقیق نشان داد، احتمال وقوع تصادفات جرحی از ساعت 12 ظهر تا 4 عصر با 8/57درصد بیشتر از سایر بازه های زمانی است. تصادفات در روزهای هفته سه برابر بیشتر نسبت به تصادفات آخر هفته ها منجر به جرح می شوند. وقتی عوامل دیگر در حد متوسط ​​خود نگه داشته شدند، تصادفات مربوط به موتورسیکلت ها 7/79درصد احتمال آسیب دیدگی داشتند. معلوم شد که نقش سرعت در تصادفات 13 برابر بیشتر از نقص فنی وسیله نقلیه است.

    نتیجه گیری

    در نتیجه این تحقیق مدیریت شهری می تواند اقدامات مختلفی را برای بهبود ایمنی ترافیک انجام دهد، ازجمله این اقدامات، کاهش سرعت، تشویق استفاده از کلاه ایمنی برای موتورسواران و تصمیم گیری آگاهانه در ایجاد مناطق با محدودیت سرعت در بزرگراه ها است.

    کلیدواژگان: شدت تصادف، بزرگراه، رگرسیون، لجستیک دودویی، سرعت در تصادفات، نقص فنی وسیله نقلیه
  • صابر امینی خانه برق، مرتضی ناجی زواره*، مریم آقایی بجستانی صفحات 147-178
    زمینه و هدف

    بررسی شخصیت مجرمان و متخلفان حوادث رانندگی مانند بقیه مجرمان و متخلفان، امری مهم در تصمیم گیری های قضایی و اعمال راه کارها ازسوی نهادهای متولی برقراری نظم است و مهم ترین مدرکی است که می تواند تغییر رویه نظام کیفری را از «برقراری تناسب میان جرم و مجازات» به «فراهم کردن درمانی متناسب با مجرم» نشان دهد. اطلاعاتی که  بر مسیر فرایند کیفری و پیش گیری از حوادث رانندگی بعدی تاثیر می گذارد. هدف این مطالعه، شناسایی پرونده شخصیت و نقش آن در پیش گیری از جرم مجرمان حوادث رانندگی است.

    روش

    پژوهش حاضر به شیوه توصیفی-تحلیلی انجام یافته است؛ از حیث شیوه گردآوری اطلاعات نیز روش کتابخانه ای (اسنادی) استفاده شده که به طریق فیش برداری از مطالب و تجزیه و تحلیل و پردازش آنها صورت پذیرفته است.

    یافته ها

    تشکیل پرونده شخصیت در کنار پرونده کیفری مجرمان رانندگی مانند بقیه مجرمان، در همه مراحل تحقیقاتی از جمله محاکمه و اجرای حکم، جایگاه خاصی دارد؛ چه این که لحاظ کردن جنبه های انسانی جرم با مطالعه پیشینه خانوادگی، تحصیلی و... قاضی کیفری را در جهت تعیین ضمانت اجرای کیفری متناسب با آن شخصیت و پلیس را در اجرای راهبردهای پیش گیرانه از حوادث رانندگی، هدایت می کند.

    نتیجه گیری

    اتخاذ هرگونه واکنش کیفری کارآمد و مفید، بدون توجه به شناخت اختلال های شخصیت مجرمان  و متخلفان از جمله مجرمان  حوادث رانندگی، ریشه یابی و درمان آن، امکان پذیر نیست. توجه به شخصیت افراد در جرایم رانندگی در مقام اعمال مجازات با به کارگیری روش هایی که به نوعی در باز اجتماعی کردن مجرمان رانندگی و افزایش کارآیی و مهارت و احتیاط در رانندگی تاکید دارند، کمک شایانی به پیش گیری از جرم در حوادث رانندگی می کند.

    کلیدواژگان: پلیس، پرونده شخصیت، پیشگیری، جرایم و تخلفات، راهنمایی و رانندگی
  • امیرحسین زمانی، حمید میرزاحسین * صفحات 179-220
    زمینه و اهداف

    امروزه با وجود حجم انبوه داده های ترافیکی، پیش بینی جریان ترافیک براساس روش های یادگیری ماشین چالش برانگیز شده است. این مقاله با مروری بر کاربرد مدل های یادگیری عمیق در پیش بینی پارامترهای جریان ترافیک سبب می شود تا متخصصان ترافیک با شناختی مناسب روش های یادگیری عمیق را بکار گیرند.

    روش

    این مقاله یک ساختار فراتحلیلی از مهمترین تحقیقات منتشر شده در ده سال اخیر را ارایه داده است. شامل 13 مقاله برای کاربرد مدل های تک لایه یادگیری عمیق و 32 مقاله برای مدل های چند لایه از پایگاه های مطالعاتی معتبر خارجی و همچنین، 5 مقاله از پایگاه های جستجوی مقالات داخلی به منظور بررسی کاربرد مدل های یادگیری عمیق در پیش بینی سرعت، حجم و چگالی ترافیک بررسی شدند.

    یافته ها

    تحقیقات در مورد پیش بینی پارامترهای ترافیکی در سال های اخیر از مدل های آماری سنتی به روش های یادگیری عمیق مبتنی بر داده کاوی تغییر یافته است زیرا دقت، استحکام و سرعت مدل های مبتنی بر یادگیری عمیق در پیش بینی پارامتر های جریان ترافیک در مقایسه با روش های پیشین بیشتر است. همچنین مدل های به وجود آمده از ترکیب چند مدل یادگیری عمیق نسبت به مدل های تک لایه عملکرد بهتری دارند.

    نتیجه گیری

    نتایج نشان داد که مدل های یادگیری عمیق در پیش بینی پارامترهای جریان ترافیک در مقابله با داده های دارای نویز (نوسان) بالا دچار ضعف هستند و لذا روش های همجوشی (ترکیبی) برای رفع این معضل پیشنهاد می شوند. همچنین باید توجه داشت که مدل مناسبی برای تمام شرایط وجود ندارد و این موضوع تابع شرایط تعریف کننده مسئله و نوع داده است.

    کلیدواژگان: پیش بینی جریان ترافیک، یادگیری عمیق، داده کاوی، پارامترهای جریان ترافیک، روش های ترکیبی
|
  • Esfandiar Tabashir, Eskandar Momeni*, Ali Azizi Pages 1-38
    Background and Aim

    Traffic accidents and the number of deaths and injuries resulting from it, annually wastes more than 6% of Iran's GDP And this has become a major concern and has highlighted the need for intelligent management of traffic violations. Therefore, the purpose of this study is to identify the dimensions, components and indicators of intelligent management of traffic violations with the Haddon matrix approach and according to experts.

    Method

    This research is a developmental application in terms of purpose and qualitative in terms of content with a content analysis approach. The research community consists of experts and experts in the inner and outer city of traffic police, traffic engineers, urban management and ITS experts. 10 people were purposefully selected and semi-structured in-depth interview tools were used to collect data.

    Findings

    In analyzing the data obtained from the interview; three main categories including intelligent management of traffic violations before occurrence, intelligent management of traffic violations during occurrence and intelligent management of traffic violations after occurrence were presented in traffic violation management, each of which included several components and indicators and a total of 93 indicators and 21 components. In the field of intelligent management, driving violations were identified.

    Conclusion

    Of the 93 indicators available, only 22 indicators are related to the occurrence of traffic violations and 71 indicators are related to before and after the occurrence of traffic violations.

    Keywords: ITS, Intelligent, Traffic Violation Management, Haddon Matrix, Components, Indicators
  • Yadollah Arabkhani, Ghasem Arab *, Mohammadbagher Salimi, mohammadreza Hassanzadeh Pages 39-71
    Background and Aim

    Transportation and communication arteries have been the source of many positive and negative events throughout human history. Traffic accidents and the resulting injuries, which threaten the lives of many people around the world and annually about 1.2 million people in the world are killed in road accidents and more than 50 million people suffer serious injuries, including these events It is negative. The present study is in order to analyze the causes of the occurrence of these traffic accidents on the outskirts of cities in 1397 in the city of Mashhad.

    Methodology

    This research is applied in terms of purpose and qualitative research method (directional content analysis). The statistical population includes all the chiefs and deputies of police experts in accident affairs of the country, who were selected from 21 people based on snowball sampling. The method of gathering field information and its tools are in-depth semi-structured interviews to achieve theoretical saturation. Due to the quality of the work, the analysis method is simultaneously collected, encoded, compressed, isolated and summarized and encrypted. Then by creating the categories, the themes using the software version 18 Max. کیو.دی. It was calculated and analyzed.

    Results

    Forecasting and prevention, comprehensive management, infrastructure, prevailing conditions in the suburbs and safety are the main causes of traffic accidents in the suburbs of Mashhad and in this regard, some suggestions were presented at the end.

    Keywords: Traffic accidents, suburbs, coding, snowballs, Mashhad
  • Nasser Shahsavari-pour *, Mahammad-Hossien Azadi, Ali Jahangiri, Shahla Heydarbeygi Pages 73-113
    Background and Purpose

    urban transportation managers have been looking for solutions to solve the traffic problem for years. The problem of transportation and traffic is changing at different times, and the use of static analysis is not a good way to solve complex and changing problems such as transportation and traffic. Therefore, the present study was conducted with the aim of simulating the problem of transportation and urban traffic using a systematic approach.

    Method

    This study investigates the type of system dynamics studies. in general, we use the hybrid method (quantitative and qualitative) in the system dynamics studies, in this study effective variables in urban traffic and their optimal values using the system dynamics method, and then policies have been proposed to improve the traffic situation.

    Findings

    The findings indicate the identification of variables affecting the issue of urban transportation and finally, policies for having a dynamic urban transportation system and traffic were suggested. Important variables included: new car rate, parking capacity, inhibitory rate, accident rate, road capacity, and death and birth rates.

    Conclusion

    With different policies, different conditions were created in the system in order to understand better the conditions required to achieve the goals of this model. The result of the model shows that it is necessary to increase the capacity of roads and parking, traffic culture education, and the development of intra-city travel infrastructure.

    Keywords: Simulation, Transportation, Traffic, Policies, Development
  • Vahid samadpour *, Mohamad Sadegh Shah gholi, Gholamreza Rezaei Pages 115-145
    Background and Aim

    In 1399, 584 deaths due to vehicle accidents were recorded in the metropolis of Tehran. Of these, 67% of casualties occurred on highways and 33% on other urban thoroughfares. Therefore, researchers have paid much attention to the analysis and investigation of the causes and severity of accidents in order to help reduce these damages by providing appropriate solutions. The main purpose of this study is to determine the factors related to the severity of accidents that have occurred on highways in Tehran.

    Method

    In this study, using 90852 real data of ten highway accidents in Tehran in the period of 1390 to 1399, using binary logistic regression method, the factors related to the severity of accidents on Tehran highways were identified.

    Results

    The results showed that the probability of injury accidents with 57.8% from 12 noon to 4 pm is higher than other time periods. Accidents on weekdays are three times more common than weekend accidents. When other factors were kept to a moderate level, motorcycle crashes had a 79.7% chance of injury. It turned out that the role of speed in accidents is more than 13 times greater than the mechanical defects of the vehicle.

    Conclution

    Urban management can now take a number of measures to improve traffic safety, including slowing down and encouraging the use of helmets for motorcyclists and making informed decisions about creating speed zones on highways.

    Keywords: Accident severity, highway, regression, binary logistics
  • Saber Amini-Khanebargh, mortaza najizavareh *, Maryam Aghaei Bejestani Pages 147-178
    Background and Aim

    Examining the personality of criminals and violators of traffic accidents, like other criminals and violators, is an important matter in judicial decisions and the implementation of strategies by the institutions in charge of maintaining order and is the most important evidence that can change the criminal system. Establish a balance between crime and punishment "to" provide appropriate treatment to the offender. " Information that affects the course of the criminal process and the prevention of subsequent traffic accidents. The purpose of this study is to identify the personality file and its role in crime prevention of traffic accident offenders.

    Method

    The present study was conducted in a descriptive-analytical manner; Int terms is of data collection method, the library method (documents) has been used, which has been done by taking notes of the contents and analyzing and processing them.

    Findings

    The formation of a personality file along with the criminal case of traffic offenders, like other offenders, has a special place in all stages of the investigation, including trial and execution of the sentence; What is more, considering the human aspects of the crime by studying the family, educational background, etc., guides the criminal judge in order to determine the guarantee of criminal execution appropriate to that person and the police in implementing strategies to prevent traffic accidents.

    Conclusion

    traffic crimes as a punishment by using methods that emphasize the socialization of traffic offenders and increase driving skills and caution, helps to prevent crime in traffic accidents.

    Keywords: Police, character file, prevention, offenses guidance, driving
  • Amir Hossein Zamani, Hamid Mirzahossein * Pages 179-220
    Scope and Objectives

    Today, despite the large volume of traffic data, creating reliable predictive models based on machine learning methods has become challenging. New methods of deep learning can provide more accurate predictions of traffic flow parameters.

    Method

    Despite the growing number of deep learning models, few studies have been conducted to investigate the effects of these models in predicting traffic parameters. This article reviews the application of deep learning models in predicting traffic flow parameters and causes experts to choose and apply these new methods with an open mind.

    Findings

    A review of the sources shows that research on predicting traffic parameters has changed from traditional statistical models to comparative deep learning methods in recent years. However, existing deep learning models may not perform well due to the complex nonlinear relationship between the spatial and temporal data collected; Therefore, different multi-layer or hybrid deep learning models for predicting traffic flow are reviewed, and these models are evaluated according to their application in intelligent transportation.

    Conclusion

    Despite the use and high accuracy of deep learning models in predicting traffic flow parameters, these models are weak in the face of high noise data. For this purpose, researchers use hybrid models to increase the robustness and accuracy of the model to predict traffic flow. In addition, it is difficult to conclude that one model always produces better results than other models, so it is essential to pay attention to the type and characteristics of the data in choosing the model.

    Keywords: Traffic flow prediction, Deep learning, Traffic parameters, Data mining, Fusion