مسیریابی وسایل نقلیه در شبکه ی هوشمند مبتنی بر الگوریتم یادگیری ماشینی

سیستم حمل ونقل هوشمند شامل تعداد زیادی از حسگرهای ترافیکی است که حجم بالایی از داده را در یک تلاش برایفراهم آوردن اطلاعات در جهت پشتیبانی و بهبود عملیات مدیریت ترافیک جمع آوری می کنند. به خاطر حجم ترافیک بالا،روشهای کلاسیک کنترل ترافیک قادر نیستند نیازمندیهای مربوط به ماهیت متغیر و پویای ترافیک را ارضا نمایند. هدفسیستم کنترل ترافیک، مدیریت موثر و کارآمد بر روی منابع حمل و نقل میباشد بطوریکه تغییرات در وضعیت ترافیکیمدیریت گردد. با استفاده از عاملهای هوشمند برای حس نمودن خودکار تغییرات ترافیکی و انجام عمل های مقتضی با رجوعبه پایگاه دانش و الگوریتم های فراابتکاری، سیستم کنترل ترافیک میتواند به طور موثر مدیریت شود بطوریکه تاخیر بهحداقل میزان ممکن و مسافت طی شده توسط وسایل نقلیه برای ارائه سرویس به مشتریان به حداقل برسد. در این پایان نامهبا لحاظ کردن الگوهای رفتاری افراد جامعه برای درخواست وسایل نقلیه و بکارگیری الگوریتم بهینه سازی گرگ خاکستری،مسیریابی بهینه وسایل نقلیه در شبکه هوشمند حمل و نقل انجام میشود. نتایج شبیه سازی نشان می دهد که الگوریتمپیشنهادی در مقایسه با روش های موجود از نظر زمان سرویس، نرخ گذردهی و مجموع مسافت طی شده برتری دارد.

کلیدواژه ها:

شبکه هوشمند حمل و نقل ، مدیریت ترافیک ، مسیریابی بهینه وسائل نقلیه ، بهینه سازی گرگ خاکستری