كنترل تطبيقي گروه چراغ‌هاي راهنمايي با يادگيري تقويتي

كارشناسي ارشد

تقاطع‌ها بخش مهمي شبكه معابر شهري را تشكيل مي‌دهند. بر اساس آمارنامه شهرداري تهران، قريب به 24 درصد از زمان سفر استفاده‌كنندگان از معابر شهري، در تقاطع‌ها مي‌گذرد از همين رو، بهينه‌سازي اين تقاطع‌ها با هدف كاهش زمان‌سفر مي‌تواند در بهبود تجربه سفرهاي روزانه شهروندان كمك نمايد. در اين پژوهش با بهره‌گيري از يادگيري تقويتي، سعي در تحقق اين هدف شده است. انطباق با شرايط موجود مهم‌ترين خاصيت استفاده از اين الگوريتم‌هاست. بر همين اساس در اين پژوهش در دو گام مدل و الگوريتم بهينه‌سازي چراغ‌هاي راهنمايي توسعه داده شده است. در گام نخست محيط يادگيري شامل قسمتي از شهر تهران به مساحت 20 كيلومترمربع در طول هفت روز متوالي شبيه‌سازي شده است. تقاضاي سفر و بارگذاري بر روي شبكه با تحليل داده‌هاي به دست آمده از حسگرهاي القايي و با كمك يادگيري ماشين به نواحي تحليل ترافيكي در داخل شبكه اختصاص داده شده و زمينه تخصيص ديناميكي بر اساس ماتريس مبدأ - مقصد فراهم شده است. در گام بعدي نيز يك الگوريتم مبتني بر يادگيري تقويتي تشكيل و با نرم‌افزار سومو مرتبط شد. در مقايسه شبكه مبنا، استفاده از الگوريتم پيشنهادي اين پژوهش مي‌تواند تا 62 درصد زمان سفر را كاهش داده و تا سه درصد ميزان ظرفيت شبكه را بهبود دهد. همچنين نشان داده شد كه الگوريتم استفاده شده در اين پژوهش در طول زمان موجب افزايش ظرفيت شبكه و بهبود عملكرد تقاطع‌ها از منظر كاهش طول صف شده است.

204274

دانشگاه علم و صنعت ايران

راه و ترابري

دكتر حسن زياري - دكتر ندا كامبوزيا