>
Fa   |   Ar   |   En
   توسعه کنترلر هوشمند چراغ‌های راهنمایی بر پایه یادگیری تقویتی حالت پیوسته در محیط ترافیکی میکروسکوپیک  
   
نویسنده اصلانی محمد ,مسگری محمدسعدی
منبع كنترل - 1396 - دوره : 11 - شماره : 2 - صفحه:9 -21
چکیده    افزایش روزافزون تعداد خودروها و در پی آن ترافیک های سنگین شهری چالش بزرگی را برای کنترل بهینه ترافیک شهری برای مهندسین ایجاد کرده است. روش مناسب برای کنترل بهینه ترافیک هرچه باشد یقیناً باید وفق پذیر بوده تا بتواند ترافیک شهری را که دارای طبیعت پویا، پیچیده و تغییرپذیر است را به خوبی مدیریت نماید. در این راستا تمرکز اصلی تحقیق حاضر کنترل هوشمند و توزیع یافته چراغ های راهنمایی بر پایه یادگیری تقویتی است. کنترل هوشمند چراغ های راهنمایی بر پایه یادگیری تقویتی نیاز به یادگیری و تصمیم گیری در فضای حالت بزرگ (پیوسته) را دارد. همین امر باعث می شود که روش های رایج یادگیری تقویتی (حالت گسسته) برای چنین مسائلی (با فضای حالت بزرگ) به خوبی قابل بسط نباشند. هدف تحقیق حاضر حل این چالش در مسئله کنترل ترافیک میکروسکوپیک است. در همین راستا نوآوری تحقیق حاضر را می توان توسعه کنترلر هوشمند چراغ های راهنمایی بر پایه یادگیری تقویتی حالت پیوسته برای حل چالش بزرگ بودن فضای حالت برشمرد. یادگیری تقویتی حالت پیوسته از شباهت سنجی حالات برای تخمین ارزش آن ها استفاده می کند. در این تحقیق به منظور اعتبار سنجی، دو روش یادگیری q و عملگرنقاد حالت گسسته نیز پیاده سازی و عملکرد آن ها با روش پیشنهادی مقایسه شدند. نتایج نشان می دهند که روش پیشنهادی منجر به کاهش 16% و 13% زمان سفر در مقایسه با دو روش عملگرنقاد و یادگیری q می شود.
کلیدواژه یادگیری تقویتی پیوسته، یادگیری Q، عملگر-نقاد، ناحیه بندی فضا و کنترل میکروسکوپیک ترافیک
آدرس دانشگاه صنعتی خواجه نصیرالدین طوسی, گروه مهندسی Gis, ایران, دانشگاه صنعتی خواجه نصیرالدین طوسی, قطب علمی مهندسی فناوری اطلاعات مکانی, گروه مهندسی Gis, ایران
پست الکترونیکی mesgarii@kntu.ac.ir
 
   Developing Adaptive Traffic Signal Controller based on Continuous Reinforcment Learning in a Microscopic Traffic Environment  
   
Authors Aslani Mohammad ,Mesgari Mohammad Saadi
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved