Обзор

Представленная здесь система управления дорожным движением (TMS) объединяет прогнозное моделирование и визуализацию в реальном времени для облегчения эффективного управления дорожным движением и управления инцидентами. Эта система, разработанная с использованием Python и Tkinter для графического интерфейса, использует алгоритмы машинного обучения для прогнозирования объема трафика на основе погодных условий и динамики часов пик. Приложение визуализирует исторические и прогнозируемые данные о дорожном движении с помощью интерактивных графиков, предоставляя ценную информацию, необходимую для принятия решений в управлении городским движением.

Ключевая особенность

• Прогнозирование трафика: Использует модели машинного обучения (линейная регрессия и случайный лес) для прогнозирования объема трафика на основе температуры, осадков и показателей часов пик.
• Графическая визуализация: Отображает исторические тенденции трафика вместе с прогнозируемыми объемами на интерактивных графиках, что расширяет возможности понимания и мониторинга.
• Моделирование дорожного движения в реальном времени: Имитирует изменения светофора для воспроизведения реальных сценариев, помогая оценить реакцию системы в различных условиях.
• Отчеты об инцидентах: Позволяет пользователям сообщать об инцидентах, фиксируя местоположение и описание для оперативного управления и реагирования.

Начиная

Предварительные условия

Убедитесь, что установлен Python 3.x. Установите зависимости, используя pip:

pip install pandas matplotlib scikit-learn

Монтаж

1. Клонировать репозиторий:

   git clone 
   cd traffic-management-system

1. Установить зависимости:

   pip install -r requirements.txt

1. Запустите приложение:

   python main.py

Применение

1. Прогнозирование трафика:

   • Выберите местоположение, дату и модель (линейная регрессия или случайный лес).
   • Нажмите «Прогнозировать трафик», чтобы увидеть прогнозируемый объем трафика.
   • Очистите график с помощью кнопки «Очистить график».

2. Графическая визуализация:

   • На графике показаны исторические данные о трафике и прогнозируемые объемы на выбранную дату.
   • Красная пунктирная линия указывает дату прогноза, а зеленая точка показывает прогнозируемый объем трафика.

3. Управление светофором:

   • Имитирует изменение цвета светофора (красный, зеленый, желтый) для оценки динамики транспортного потока.

4. Отчет об инцидентах:

   • Сообщите о дорожно-транспортном происшествии, указав местоположение и описание.
   • Нажмите «Сообщить об инциденте», чтобы отправить отчет.

Обзор кода

main.py

# Main application using Tkinter for GUI

import tkinter as tk
from tkinter import messagebox, ttk
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
import random
from datetime import datetime
from sklearn.linear_model import LinearRegression
from sklearn.ensemble import RandomForestRegressor

# Mock data for demonstration
data = {
    'temperature': [25, 28, 30, 22, 20],
    'precipitation': [0, 0, 0.2, 0.5, 0],
    'hour': [8, 9, 10, 17, 18],
    'traffic_volume': [100, 200, 400, 300, 250]
}
df = pd.DataFrame(data)

# Feature engineering
df['is_rush_hour'] = df['hour'].apply(lambda x: 1 if (x >= 7 and x = 16 and x 




  
  
  Заключение


Система управления дорожным движением — это сложный инструмент для городских планировщиков и диспетчеров дорожного движения, сочетающий в себе расширенную прогнозную аналитику с интуитивно понятным графическим интерфейсом. Прогнозируя структуру трафика и визуализируя тенденции данных, система расширяет возможности принятия решений и облегчает упреждающее управление ресурсами трафика. Его удобный дизайн обеспечивает доступность и практичность, что делает его ценным активом в управлении современной городской инфраструктурой.