BG
EN
|
Научный доклад ID 2784 : 2026/4
КООРДИНИРАНО УПРАВЛЕНИЕ НА ТРАФИКА ЧРЕЗ ИЗКУСТВЕН ИНТЕЛЕКТ
Васил Копривщенов Нарастващата урбанизация и увеличеният интензитет на движение в съвременните градове поставят сериозни предизвикателства пред традиционните методи за управление на трафика. Статичните и слабо адаптивни системи често не успяват да отговорят ефективно на динамичните и непредсказуеми трафични условия. В този контекст изкуственият интелект се утвърждава като ключова технология за изграждане на интелигентни и координирани транспортни системи.
Настоящият доклад разглежда принципите и приложението на координираното управление на трафика чрез изкуствен интелект, като се фокусира върху адаптивни алгоритми, анализ на данни в реално време и синхронизация между множество кръстовища. Представени са основни AI подходи, както и практически примери от реални градски среди, демонстриращи значително намаляване на задръстванията, времето за пътуване и вредните емисии. В заключение се обсъждат основните предизвикателства и перспективите за развитие на интелигентни транспортни системи като част от концепцията за устойчиви и „умни“ градове. координирано управление трафик изкуствен интелектcoordinated management traffic artificial intelligenceВасил Копривщенов BIBLIOGRAPHY [1] Farooqi, A., Dutta, R., Gocher, H., Bishnoi, A., Sharma, P., & Sharma, S. (2025). Artificial Intelligence in Traffic Management: A Survey on Techniques, Challenges, and Future Directions. In Recent Trends in Communication and Intelligent Systems. Springer. https://doi.org/10.1007/978-3-032-09832-0_5... [2] Zhao, Z., & Chen, J. (2025). Application of artificial intelligence technology in the economic development of urban intelligent transportation systems. PeerJ Computer Science, 11, e2728. https://doi.org/10.7717/peerj-cs.2728 [3] Zemmouchi Ghomari, L. (2025). Artificial intelligence in intelligent transportation systems. Journal of Infrastructure, Mobility and Smart Engineering, 6(1), 26–40. [4] El Mokhi, C., Erguig, H., Hmina, N., & Hachimi, H. (2025). Intelligent Traffic Management Systems: A Literature Review on AI Based Traffic Light Control. In The Future of Urban Living: Smart Cities and Sustainable Infrastructure Technologies. Springer. https://doi.org/10.1007/978-3-031-98334-4_1... [5] Agrahari, A., Dhabu, M. M., Deshpande, P. S., Tiwari, A., Baig, M. A., & Sawarkar, A. D. (2024). Artificial Intelligence Based Adaptive Traffic Signal Control System: A Comprehensive Review. Electronics, 13(19), 3875. https://doi.org/10.3390/electronics13193875... [6] Wang, Z., Wang, X., Wu, Z., Hu, J., Yuan, F., & Tian, Z. (2026). Traffic Flow Prediction in Intelligent Transportation Systems: A Comprehensive Review. Algorithms, 19(4), 310. https://doi.org/10.3390/a19040310 [7] Michailidis, P., Michailidis, I., Lazaridis, C. R., & Kosmatopoulos, E. (2025). Traffic Signal Control via Reinforcement Learning: A Review on Applications and Innovations. Infrastructures, 10(5), 114. https://doi.org/10.3390/infrastructures1005... [8] Xiao, H., Li, H., Wang, Z., Yang, Z., Qi, S., Zhang, J., Cai, D., & Yin, J. (2026). Intelligent traffic signal control based on reinforcement learning: A survey. Artificial Intelligence Review, 59, Article 128. https://doi.org/10.1007/s10462-026-11530-9 ... [9] Balasubramanian, A. (2024). AI Driven Optimization of Urban Mobility: Integrating Autonomous Vehicles with Real Time Traffic and Infrastructure Analytics. San Jose State University. [10] Michailidis, P., Michailidis, I., Lazaridis, C. R., & Kosmatopoulos, E. (2025). Traffic Signal Control via Reinforcement Learning: A Review on Applications and Innovations. Infrastructures, 10(5), 114. [11] Xiao, H., Li, H., Wang, Z., Yang, Z., Qi, S., Zhang, J., Cai, D., & Yin, J. (2026). Intelligent traffic signal control based on reinforcement learning: A survey. Artificial Intelligence Review, 59. [12] Tolani, M., Saathwik, G. E., Roy, A., Rao, D. B., Bajpai, A., & Balodi, A. (2025). Machine learning based adaptive traffic prediction and control using edge impulse platform. [13] Xiao, F., Lu, J., Li, L., Tu, W., & Li, C. (2024). Advances in reinforcement learning for traffic signal control: A review of recent progress. Intelligent Transportation Infrastructure, https://doi.org/10.1093/iti/liaf009 |
