La rapide urbanisation et le nombre croissant de véhicules dans les villes ont fait de la congestion routière un problème critique affectant la productivité, la consommation d'énergie et l'environnement. Cet article présente la conception et la mise en œuvre d'un système intelligent de surveillance et de prédiction des congestions de trafic en temps réel qui intègre l'apprentissage automatique (AA) et l'Internet des objets (IoT). Le système collecte des données de trafic en direct à l'aide de capteurs IoT et de caméras, les traite via un pipeline analytique basé sur le cloud, et prédit les niveaux de congestion à l'aide d'algorithmes d'AA. Les résultats sont visualisés sur un tableau de bord en temps réel pour aider les autorités à prendre des mesures de contrôle proactives telles que l'optimisation des signaux et la déviation des itinéraires. Le cadre vise à améliorer l'efficacité routière, à réduire le temps de trajet et à promouvoir une mobilité urbaine durable.
Jeevanantham * S (Sun,) a étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: