مروری بر روش های کنترل ترافیک شهری

با توجه به مطالعه ی صورت گرفته، در مقالاتی از سال ۱۹۱۸ تا ۲۰۲۱ الگوریتم های ارائه شده دارای اهداف مشترک و گاها! متفاوتی هستند. الگوریتم هایی که در این مقالات بررسی شده بر اصل یادگیری عامل ها در شبکه کنترل ترافیک استوار هستند. در الگوریتم های ارائه شده، با استفاده از یادگیری تقویتی زمانبندی سیگنال های ترافیکی را مدیریتی می کنند، به طوری که مشکل ترافیک شهری را به حداقل برسانند تا بدون توسعه زیر ساخت های موجود یا ساخت جاده های بیشتر، بهع ملکرد کارآمد سیستم های حمل و نقل دست یابند. اخیرا، استفاده از روش ها و تکمنیک های مختلف هوش مصنوعی در حوزه سیستم های حمل دو نقل هوشمند به طور گسترده مورد توجه قرار گرفته است واز مفهوم اینترنت اشیا برای تعامل بین عامل ها در شبکه کنترل ترافیک هوشمند استفاده شده است. شهرهای عادی را می توان با بهره برداری از فناوری اطلاعات و ارتباطات به شهرهای هوشمند تبدیل کرد. اینترنت اشیا می تواند نقش مهمی در تحقق شهرهای هوشمند داشته باشند. اینترنت اشیا برای ادغام دستگاه ها به زیر ساخت محاسبات ابری نیاز دارد.

کلیدواژه ها:

اینترنت اشیا ، ترافیک شهری ، یادگیری تقویتی ، محاسبات ابری