زمانبندی چراغ راهنمایی در حالت اشباع با استفاده از یادگیری تقویتی

اگرچه مدلسازی شبکه­ها به امری پیچیده و دشوار تبدیل شده است و مدل­سازی را برای نزدیک­تر شدن به شرایط محیط با مشکلاتی مواجه می­کند، در این میان چارچوب یادگیری تقویتی به عنوان یک روش مستقل از مدل می­تواند نقش بهتری را در کنترل و شبیه سازی ترافیک فراهم کند. در این مطالعه سعی بر آن است که با استفاده از الگوریتم­های مختلف یادگیری تقویتی، همچون الگوریتم­های DQN و DDPG، بتوان به شیوه­ای سریع­تر و منظم­تر شبکه ترافیکی در نظر گرفته شده را شبیه­سازی کرده و بتوان موارد تاثیرگذاری همچون طول صف تشکیل شده در خیابان­ها و چراغ­های راهنمایی را با بکارگیری الگوریتم­ها و برنامه ریزی مناسب، به شیوه ای نوین در جهت کاهش میزان ترافیک و روان­سازی آن، بهینه کرد و با توجه به نتایج به دست آمده از دو الگوریتم ذکر شده، الگوریتمی که عملکرد بهتری داشت به عنوان الگوریتم برتر از زیر مجموعه الگوریتم یادگیری تقویتی مطرح شود. در نهایت، شبکه خود را با کاهش طول صف و همچنین کاهش میزان زمان توقف در پشت چراغ راهنمایی در شبکه­های شهری در حالت اشباع، موجب بهبود عبور، مرور و روان­سازی جریان ترافیک می­شود. روش مطرح شده بر روی تقاطعات چراغ دار لندن  در جنوب غربی استان انتاریو۲۷، در کشور کانادا انجام شده است. نتایج پیاده سازی این روش نشان میدهد که با استفاده از DDPG معیارهای ترافیکی مانند میانگین زمان ایستادن خودروها و درصد خودروها ساکن در کل شهر کاهش ملموسی پیدا میکنند

کلیدواژه ها:

برنامه ریزی شهری ، جریان ترافیک ، شبکه های حمل و نقل ، یادگیری تقویتی