2

fa طراحی و پیاده‌سازی انبار داده برای تحلیل و بهینه‌سازی جریان ترافیک شهری با استفاده از تکنیک‌های OLAP Design and Implementation of a Data Warehouse for Analyzing and Optimizing Urban Traffic Flow Using OLAP Techniques تخصصي Special كاربردي Applicable با افزایش روزافزون چالش‌های ترافیکی در کلان‌شهرها، مدیریت سنتی و واکنشی ترافیک کارایی خود را از دست داده است. این مقاله یک چارچوب مبتنی بر انبار داده و تحلیل‌های OLAP<a href="#_ftn1" name="_ftnref1" title="">[1]</a> برای مدیریت پیشگیرانه ترافیک شهری ارائه می‌دهد. در این پژوهش، ضمن آشنایی با مفاهیم اصلی انبارداده‌ها و معماری آن، نسبت به شناسایی منابع داده پراکنده، یک مدل مفهومی ستاره‌ای برای یکپارچه‌سازی داده‌های ترافیکی، مکانی و آب‌وهوایی طراحی شده است. سپس فرآیند ETL<a href="#_ftn2" name="_ftnref2" title="">[2]</a> برای استخراج، تبدیل و بارگذاری داده‌ها در انبار داده پیاده‌سازی گردید. نتایج حاصل از پیاده‌سازی پروتوتایپ<a href="#_ftn3" name="_ftnref3" title="">[3]</a> و تحلیل‌های چند بعدی بر روی داده‌های نمونه، نشان‌دهنده قابلیت سیستم در شناسایی الگوهای ترافیکی و تحلیل تأثیر عوامل مختلف بر جریان ترافیک است. این چارچوب به شهرداری‌ها امکان می‌دهد تا با استفاده از داشبوردهای مدیریتی، تصمیمات داده‌محور و مؤثری برای بهینه‌سازی شبکه معابر شهری اتخاذ نمایند. <div>  <hr align="left" size="1" width="33%" > <div id="ftn1"><a href="#_ftnref1" name="_ftn1" title="">[1]</a> Online Analytical Processing</div> <div id="ftn2"><a href="#_ftnref2" name="_ftn2" title="">[2]</a> Extract, Transform, Load</div> <div id="ftn3"><a href="#_ftnref3" name="_ftn3" title="">[3]</a> Prototype: یک نسخه اولیه و کوچک‌شده از سیستم تحلیلی نهایی</div> </div> With the growing complexity of traffic-related challenges in major metropolitan areas, traditional and reactive traffic management approaches have increasingly lost their effectiveness. This paper presents a data-warehouse-driven analytical framework, supported by OLAP techniques, for proactive urban traffic management. The study introduces the fundamental concepts and architecture of data warehouses, identifies heterogeneous traffic-related data sources, and proposes a star-schema conceptual model integrating traffic, spatial, and meteorological data. An ETL process is then designed and implemented to extract, transform, and load data into the data warehouse. Prototype implementation and multidimensional analyses conducted on sample datasets demonstrate the system’s capability to uncover traffic patterns and evaluate the influence of various variables on traffic flow. This framework enables municipalities to make data-driven and effective decisions to optimize urban road networks through interactive management dashboards.   انبار داده, OLAP, مدیریت ترافیک هوشمند, سیستم‌های حمل‌ونقل, مدل ستاره‌ای, تحلیل چندبعدی, شهر هوشمند Data Warehouse, OLAP, Intelligent Traffic Management, Transportation Systems, Star Schema, Multidimensional Analysis, Smart City. 9 24 http://jiis.iauh.ac.ir/browse.php?a_code=A-10-67-1&slc_lang=fa&sid=1 adnan keshvari عدنان کشوری adnan.keshvari@iau.ac.ir 1003194753284600278 1003194753284600278 Yes پتروشیمی مروارید sahar keshvari سحر کشوری sahar.keshvari69@gmail.com 1003194753284600279 1003194753284600279 No hosein moeinzad حسین معین زاد moinzad@iauctb.ac.ir 1003194753284600280 1003194753284600280 No دانشگاه آزاد اسلامی واحد تهران مرکز