Safe and Efficient Traffic Control with Constrained Reinforcement Learning Models

سال انتشار: 1403
محل انتشار: اولین کنفرانس ملی دو سالانه کاربرد هوش مصنوعی در کنترل ترافیک با تاکید بر مدیریت شهری و جاده ای
کد COI اختصاصی: AITC01_020
زبان مقاله: انگلیسی
تعداد مشاهده: 67

نویسندگان

Department of Computer Engineering, Roudsar and Amlash Branch, Islamic Azad University, Roudsar, Iran

Department of Computer Engineering, University of Isfahan, Isfahan, Iran

چکیده

Traffic congestion remains a significant challenge in modern urban planning, leading to increased travel times, fuel consumption, and greenhouse gas emissions. While traditional traffic management systems often fail to adapt to dynamic traffic patterns, Reinforcement Learning (RL) offers a promising solution by enabling adaptive and intelligent traffic control. However, ensuring safety and efficiency in RL-based traffic systems remains a critical challenge, especially when dealing with real-world constraints such as pedestrian safety, speed limits, and emergency vehicle prioritization. The study develops a safe RL framework that integrates domain-specific constraints using techniques such as reward shaping, Lagrangian relaxation, and constrained policy optimization.

کلیدواژه ها

Traffic Control, Reinforcement Learning, Congestion Reduction

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.