مسئله پیش بینی کوتاه‌مدت (ساعتی) و بلندمدت (روزهای آتی) یکی از مسائل مورد توجه فعالان حوزه ی حمل ونقل است که با بکارگیری اطلاعات وضع موجود و پیش بینی وضعیت آینده، امکان چاره اندیشی قبل از وقوع هر رخداد و اطلاع رسانی به رانندگان برای انتخاب زمان و مسیر مناسب برای سفر را فراهم می نماید. به‌طورکلی چهار پارامتر حجم ترافیک، سرعت متوسط، چگالی و زمان سفر مسیر یا کمان برای پیش بینی کوتاه‌مدت (ساعتی) و بلندمدت (روزهای آتی) انتخاب شده و با کمک آن می توان از طریق اطلاع رسانی به استفاده‌کنندگان و همچنین اعمال طرح های موقت از سوی تصمیم گیرندگان سیستم، نظیر یک‌طرفه کردن مسیر به حل مشکلات تراکم ترافیک پرداخت.

برای انجام این مطالعه، از داده های حاصل از دستگاه های ترددشمار تعبیه شده در سطح جاده و دوربین های نصب شده در کنار جاده، که به طور متداول حجم و سرعت ترافیک را در فواصل ۱۵ دقیقه ای گزارش می کنند و براساس آن امکان تعیین وضعیت ترافیک (سبک، نیمه سنگین، سنگین و راهبندان) وجود دارد، همچنین اطلاعات زمان سفر بدست آمده از دستگاه های بلوتوث تعبیه شده در بخش های مختلف جاده؛ استفاده شده است.

سپس با استفاده از این اطلاعات و بکارگیری مدل ریاضی (سری زمانی) و دو مدل هوش مصنوعی،حجم، سرعت، وضعیت ترافیک و همچنین زمان سفر در ساعت ها و روزهای آینده پیش بینی شده است. لازم به ذکر است، با توجه به انکه، این داده ها از تنوع، سرعت و حجم بالایی برخوردار است، جز داده های بزرگ محسوب شده و باید از تکنیک های سازگار با داده های بزرگ استفاده شود. از طرفی، این مدل ها به صورت تدریجی برآورده شده زیرا داده ها به طور مداوم جمع شده و به پایگاه داده ها اضافه می شود.

مسئله پیش بینی کوتاه‌مدت (ساعتی) و بلندمدت (روزهای آتی) یکی از مسائل مورد توجه فعالان حوزه ی حمل ونقل است که با بکارگیری اطلاعات وضع موجود و پیش بینی وضعیت آینده، امکان چاره اندیشی قبل از وقوع هر رخداد و اطلاع رسانی به رانندگان برای انتخاب زمان و مسیر مناسب برای سفر را فراهم می نماید. به‌طورکلی چهار پارامتر حجم ترافیک، سرعت متوسط، چگالی و زمان سفر مسیر یا کمان برای پیش بینی کوتاه‌مدت (ساعتی) و بلندمدت (روزهای آتی) انتخاب شده و با کمک آن می توان از طریق اطلاع رسانی به استفاده‌کنندگان و همچنین اعمال طرح های موقت از سوی تصمیم گیرندگان سیستم، نظیر یک‌طرفه کردن مسیر به حل مشکلات تراکم ترافیک پرداخت.

برای انجام این مطالعه، از داده های حاصل از دستگاه های ترددشمار تعبیه شده در سطح جاده و دوربین های نصب شده در کنار جاده، که به طور متداول حجم و سرعت ترافیک را در فواصل ۱۵ دقیقه ای گزارش می کنند و براساس آن امکان تعیین وضعیت ترافیک (سبک، نیمه سنگین، سنگین و راهبندان) وجود دارد، همچنین اطلاعات زمان سفر بدست آمده از دستگاه های بلوتوث تعبیه شده در بخش های مختلف جاده؛ استفاده شده است.

سپس با استفاده از این اطلاعات و بکارگیری مدل ریاضی (سری زمانی) و دو مدل هوش مصنوعی،حجم، سرعت، وضعیت ترافیک و همچنین زمان سفر در ساعت ها و روزهای آینده پیش بینی شده است. لازم به ذکر است، با توجه به انکه، این داده ها از تنوع، سرعت و حجم بالایی برخوردار است، جز داده های بزرگ محسوب شده و باید از تکنیک های سازگار با داده های بزرگ استفاده شود. از طرفی، این مدل ها به صورت تدریجی برآورده شده زیرا داده ها به طور مداوم جمع شده و به پایگاه داده ها اضافه می شود.