عملکرد یادگیری تقویتی عمیق در کنترل تطبیقی فاز گردش به چپ چراغ راهنمایی

در نوشتار حاضر، عملکرد دو روش یادگیری تقویتی، شبکه ی Q عمیق دوئل دوگانه و شبکه ی Q عمیق استاندارد در کنترل تطبیقی فاز گردش به چپ چراغ های راهنمایی در یک تقاطع شهری مقایسه شده اند. روش های مقدار- محور ذکرشده، با استفاده از بهینه سازی در یادگیری تقویتی، مدت زمان سبز هر فاز را تعیین و یکی از دو فاز گردش به چپ محافظت شده یا مجاز را برای سیکل بعدی انتخاب می کنند. شبیه سازی ها برای حالت های توزیع یکنواخت و متغیر جریان خودروها و با دو جریان ترافیک سبک و سنگین انجام شده و نتایج نشان داده اند که الگوریتم شبکه ی عمیق دوئل دوگانه در فرایند یادگیری موثرتر از الگوریتم شبکه ی Q استاندارد عمل کرده است. همچنین، یادگیری با شبکه یQ  دوئل دوگانه توانسته است طول صف تجمعی وسائط نقلیه را در تمام حالت های شبیه سازی، دست کم به میزان ۲۶٪ کاهش دهد و جریان ترافیک را بهبود بخشد. کاهش اخیر در حالت جریان ترافیک سنگین و یکنواخت بیشتر از سایر حالت ها بوده و به ۶۷٪ رسیده است. پژوهش حاضر می تواند نقش مهمی در توسعه ی سیستم های هوشمند کنترل ترافیک ایفا کند.

کلیدواژه ها:

کنترل تطبیقی چراغ ترافیکی ، فاز گردش به چپ ، یادگیری تقویتی ، شبکه ی عمیق دوئل دوگانه