افزایش روزافزون جمعیت شهری، توسعه فیزیکی شهرها و رشد چشمگیر تعداد وسایل نقلیه، مدیریت ترافیک را به یکی از مهم‌ترین چالش‌های مدیران شهری تبدیل کرده است. روش‌های سنتی مدیریت ترافیک به دلیل اتکا به زمان‌بندی ثابت چراغ‌های راهنمایی، تحلیل محدود داده‌ها و عدم توانایی در واکنش سریع به تغییرات لحظه‌ای جریان ترافیک، پاسخگوی نیازهای شهرهای امروزی نیستند. در سال‌های اخیر، پیشرفت فناوری‌های هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، بینایی ماشین و اینترنت اشیا، فرصت‌های جدیدی برای توسعه سامانه‌های هوشمند حمل‌ونقل فراهم کرده است. این پژوهش با هدف بررسی نقش هوش مصنوعی در بهینه‌سازی مدیریت ترافیک شهری و ارائه یک چارچوب مفهومی برای کاربرد آن در شهر تبریز انجام شده است. روش تحقیق از نوع کاربردی و با رویکرد توصیفی–تحلیلی بوده و اطلاعات مورد نیاز از طریق مطالعه منابع علمی، مقالات معتبر، استانداردهای حمل‌ونقل هوشمند و گزارش‌های تخصصی گردآوری و تحلیل شده است. نتایج نشان می‌دهد که استفاده از الگوریتم‌های هوش مصنوعی در پیش‌بینی جریان ترافیک، کنترل تطبیقی چراغ‌های راهنمایی، تشخیص خودکار حوادث، مدیریت هوشمند پارکینگ‌ها و هدایت مسیر می‌تواند موجب کاهش زمان سفر، کاهش تراکم ترافیکی، کاهش مصرف سوخت، کاهش انتشار آلاینده‌های زیست‌محیطی و افزایش ایمنی شبکه حمل‌ونقل شهری شود. همچنین، یک مدل مفهومی مبتنی بر هوش مصنوعی برای مدیریت هوشمند ترافیک شهر تبریز ارائه شده که بر پایه یکپارچه‌سازی داده‌های دوربین‌های نظارتی، حسگرهای ترافیکی، سامانه‌های موقعیت‌یاب و مرکز کنترل هوشمند عمل می‌کند. نتایج این پژوهش می‌تواند به‌عنوان مبنایی برای توسعه سامانه‌های حمل‌ونقل هوشمند در کلان‌شهرهای ایران و ارتقای کیفیت مدیریت ترافیک شهری مورد استفاده قرار گیرد.