ارایه ی مدل انتخاب مسیر هوشمند وسیله های نقلیه در شبکه های تصادفی بر پایه ی روش های عامل مبنای تعاملی (مطالعه موردی: شاهین شهر)

بواسطه ی جمعیت رو به افزایش در کلان شهرهای جهان، کیفیت ارایه ی خدمات ترافیکی ملزم به بهبود است. بدیهی است که کاهش زمان سفر تاثیر مستقیم بر روند ترافیکی و مرتفع شدن مشکلات ترافیکی دارد. در نظر گرفتن شرایط ترافیکی حاکم در ارایه کوتاهترین مسیر نقش بسزایی داشته و موجب برقراری تناسب میان شبکه های موجود و کاهش هزینه ها می شود. در این تحقیق با استفاده از علم یادگیری ماشین و روش یادگیری تقویتی و ارایه ی مدلی کاربردی برای تمام شبکه ها، زمان سفر به کمترین مقدار تقلیل داده شده است، سپس با استفاده از یک فرآیند کنترل بهینه و فرآیند تصمیم گیری متوالی مانند فرآیند تصمیم گیری مارکوف، امکان مسیریابی پویا در یک سیستم عامل مبنا فراهم شده است. برای افزایش دقت و بررسی موضوع تاثیر احتمال انتخاب مسیر، از مدل لوجیت نیز به منظور دستیابی به احتمال بهینه و مطابق با واقعیت استفاده شده است. جهت بررسی عملکرد روش، این مدل بر روی یک شبکه ی واقعی پیاده سازی شده است. نتایج بیانگر بهبود شرایط مسیریابی بااستفاده ازمدلسازی احتمال انتخاب مسیر است

کلیدواژه ها:

شبکه های تصادفی ، سیستم های عامل مبنا ، مسیریابی وسایل نقلیه درشبکه ی پویا ، فرآیند تصمیم گیری مارکوف