با توسعه سریع صنعت خودروسازی و گسترش شهرها، مشکلاتی نظیر تراکم ترافیک، تصادفات جادهای، اتلاف انرژی و آلودگی هوا بهطور فزایندهای جدی شدهاند. تراکم ترافیک، علاوه بر زمان تلفشده، سالانه هزینههای زیادی را بهدلیل مصرف بیرویه سوخت و انتشار گازهای گلخانهای به محیطزیست تحمیل میکند. اگرچه افزایش ظرفیت جادهها میتواند تا حدی از شدت ترافیک بکاهد، اما بهدلیل هزینههای بالای ساختوساز و محدودیتهای فضایی در مناطق شهری، این راهحل در بسیاری از موارد عملی و مقرونبهصرفه نیست. یکی از راهکارهای مؤثر برای مقابله با این چالشها، تغییر الگوی رانندگی از حالت انفرادی به رانندگی گروهی است، که در آن خودروها با حفظ فاصلهای کم و ثابت، بهصورت هماهنگ در یک گروه حرکت میکنند. هدف این پایاننامه، پیشبینی مسیر حرکت خودروها با استفاده از تحلیل رفتار رانندگان و در نظر گرفتن تعاملات خودروهای مجاور است. یکی از دلایل اصلی تصادفات، عدم دسترسی رانندگان به اطلاعات کافی یا دریافت دیرهنگام آنهاست. افزایش سطح آگاهی رانندگان از طریق تبادل سریع اطلاعات در شبکههای بین خودرویی میتواند ایمنی حملونقل را بهطور چشمگیری بهبود بخشد. شبکههای بین خودرویی بهطور خودکار سازماندهی میشوند و ارتباطات بین خودروها و زیرساختهای جادهای را تسهیل میکنند، که این امر میتواند به کاهش تصادفات و بهبود جریان ترافیک کمک کند. در این پژوهش، با استفاده از شبکههای بین خودرویی و مدلهای پیشرفته یادگیری عمیق، به تحلیل رفتار رانندگی و پیشبینی مسیر خودروها پرداختهایم. مدل پیشنهادی، با بهرهگیری از ویژگیهای دینامیکی و مکانی خودروها و استفاده از لایههای شبکههای عصبی توجه (GAT) و واحد بازگشتی دروازه دار (GRU)، تعاملات پیچیده بین خودروها را مدلسازی میکند. نتایج این تحقیق نشان میدهد که مدل ارائهشده قادر است با دقت بالا مسیرهای آینده را پیشبینی کند و رفتارهای خطرناک را شناسایی نماید. این قابلیتها به افزایش ایمنی جادهها و کاهش قابل توجه تصادفات منجر خواهد شد و گامی مؤثر در جهت بهبود سیستمهای حملونقل هوشمند خواهد بود.
