نظام ذكاء اصطناعي لتحسين تدفق المرور وتوقع توقيت الإشارات الضوئية بدقة

مشروع متقدم يهدف إلى تقليل وقت الانتظار في التقاطعات المرورية باستخدام خوارزميات التعلم الآلي. يقوم النظام بتحليل حالة المرور لحظة بلحظة وتوقع المدة المثالية للإشارة الخضراء (Phase Duration) لضمان أفضل سيولة مرورية.

أبرز ما قمت بتنفيذه في المشروع:

تحليل البيانات الضخمة (Big Data Analysis): معالجة بيانات التقاطعات التي تشمل (عدد المركبات من 4 اتجاهات، طول الطوابير، سرعة المركبات، وكثافة المشاة).

الربط بالمتغيرات البيئية: إدخال عوامل الطقس (الأمطار والحرارة) وحالات الطوارئ (Incidents) وساعات الذروة في الحسابات لزيادة دقة التوقع.

هندسة الميزات (Feature Engineering): استخراج أنماط زمنية من التوقيت (الساعة، اليوم) ودمج ميزات جديدة مثل إجمالي الداخل للتقاطع.

استخدام خوارزمية Gradient Boosting: بناء نموذج تنبؤي قوي باستخدام GradientBoostingRegressor القادر على التعامل مع العلاقات غير الخطية والمعقدة بين البيانات.

تحليل الأهمية (Feature Importance): تحديد العوامل الأكثر تأثيراً على ازدحام المرور، مما يساعد متخذي القرار في تحسين تخطيط الطرق.