طراحی سامانه ی کنترل تطبیقی هوشمند چراغ های راهنمایی با رویکرد عدالت فضایی و اولویت دهی به حمل و نقل عمومی و خودروهای امدادی برای مدیریت شهری

امروزه مدیریت ناکارآمد چراغ های راهنمایی در تقاطع های شهری، یکی از عوامل اصلی افزایش تاخیر، مصرف سوخت، آلودگی هوا و نارضایتی شهروندان در کلان شهرها محسوب می شود. سیستم های سنتی زمان بندی ثابت، توانایی انطباق با تغییرات لحظه ای و پویای ترافیک را نداشته و در شرایط اضطراری و حضور خودروهای امدادی، عملا فاقد هرگونه انعطاف پذیری هستند. پژوهش حاضر با هدف طراحی یک سامانه ی کنترل تطبیقی هوشمند برای چراغ های راهنمایی ارائه شده است که با بهره گیری از الگوریتم های یادگیری تقویتی، به صورت لحظه ای و خودکار، زمان بندی چراغ ها را بر اساس حجم ترافیک، حضور عابران پیاده، موقعیت خودروهای حمل ونقل عمومی و سیگنال های ارسالی از خودروهای امدادی تنظیم می کند. روش تحقیق مبتنی بر شبیه سازی عامل محور در نرم افزار SUMO و پیاده سازی الگوریتم Q-learning در محیط Python است. یافته های شبیه سازی در یک شبکه شهری فرضی با ۲۵ تقاطع نشان می دهد که سامانه ی طراحی شده می تواند تاخیر متوسط وسایل نقلیه را ۱۸.۶ درصد، تعداد توقف های غیرضروری را ۲۲.۳ درصد، مصرف سوخت را ۱۵.۲ درصد و انتشار آلاینده های محلی را ۱۴.۸ درصد نسبت به سیستم زمان بندی ثابت کاهش دهد. همچنین، زمان سفر اتوبوس ها ۲۸.۴ درصد و زمان پاسخ دهی خودروهای امدادی ۳۵.۲ درصد بهبود می یابد. رویکرد عدالت فضایی در این سامانه از طریق اولویت دهی به خطوط حمل ونقل عمومی و مسیرهای دسترسی به مراکز درمانی و آتش نشانی تحقق یافته است. نتایج این پژوهش نشان می دهد که سامانه ی پیشنهادی با کمترین هزینه ی زیرساختی (استفاده از زیرساخت های موجود)، بیشترین بازدهی را در کاهش تاخیر و افزایش عدالت در توزیع ظرفیت معابر شهری دارد و می تواند الگویی عملیاتی برای مدیریت هوشمند ترافیک در کلان شهرهای ایران باشد.

کلیدواژه ها:

کنترل تطبیقی هوشمند ، چراغ های راهنمایی ، یادگیری تقویتی ، عدالت فضایی ، حمل ونقل عمومی ، خودروهای امدادی ، شبیه سازی عامل محور