مرکز تحقیقات راه ، مسکن و شهرسازی پژوهشنامه حمل و نقل 1735-3459 23 2 2026 06 22 Design of an Intelligent Vehicle License Plate-Based System for Traffic Flow Analysis and Travel Management in Unfamiliar Areas طراحی یک سامانه هوشمند مبتنی بر پلاک‌خوانی خودرو برای تحلیل جریان ترافیک و مدیریت سفر در مناطق ناشناخته 453 464 237368 10.22034/tri.2025.549559.3384 FA محمد مرادی استادیار، استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بزرگمهر قائنات، قائنات، ایران 0000-0002-3124-3289 Journal Article 2025 09 27 Efficient traffic flow analysis and travel management in unfamiliar urban areas remain critical challenges in intelligent transportation systems. This study presents an intelligent system based on vehicle license plate recognition capable of collecting spatiotemporal data and analyzing driver movement patterns. Leveraging image processing and machine learning techniques, the system processes vehicle passage data and provides context-aware recommendations for travel and traffic management. License plate recognition achieved an accuracy of 98.98% using advanced YOLO models, while clustering and classification of movement patterns predicted driver behavior with 95% accuracy. The research was conducted in four phases: phase 1: license plate detection and data collection, phase 2:data processing with machine learning, phase 3: design of the intelligent recommendation system, and phase 4: system performance evaluation. The feedback from 20 users indicated an average satisfaction score of 4.5/5, demonstrating the system’s effectiveness in delivering precise and personalized recommendations for travel management in unfamiliar areas. تحلیل جریان ترافیک و مدیریت سفر در مناطق ناشناخته شهری، چالشی مهم در حوزه حمل‌ونقل هوشمند محسوب می‌شود. پژوهش حاضر با هدف توسعه سامانه‌ای هوشمند مبتنی بر پلاک‌خوانی خودرو انجام شد که قادر به جمع‌آوری داده‌های مکانی–زمانی و تحلیل رفتار حرکتی رانندگان است. این سامانه با استفاده از تکنیک‌های پردازش تصویر و یادگیری ماشین، اطلاعات تردد خودروها را پردازش کرده و توصیه‌های موقعیت‌محور برای مدیریت سفر و بهینه‌سازی جریان ترافیک ارائه می‌دهد. دقت شناسایی پلاک خودرو با استفاده از مدل‌های پیشرفته YOLO به ۹۸.۹۸٪ رسید و الگوریتم خوشه‌بندی و طبقه‌بندی الگوهای حرکتی، با دقت ۹۵٪ توانست رفتار رانندگان را پیش‌بینی کند. فرایند تحقیق در چهار فاز شامل شناسایی پلاک و جمع‌آوری داده، پردازش داده‌ها با یادگیری ماشین، طراحی سیستم توصیه‌گر هوشمند و ارزیابی عملکرد سامانه اجرا شد. نتایج حاصل از بازخورد ۲۰ کاربر نشان داد که میزان رضایت کاربران از عملکرد سیستم به‌طور میانگین ۴.۵ از ۵ است، که مؤید توانمندی سامانه در ارائه توصیه‌های دقیق و سفارشی‌شده برای مدیریت سفر در مناطق ناآشنا است. https://www.trijournal.ir/article_237368_06aba7277329ef838bd7981beb2e5b2d.pdf