کنترل هوشمند ترافیک بر مبنای مدل ترکیبی منطق فازی و یادگیری تقویتی

افزایش تعداد وسایل نقلیه در خیابان‌ها، مسئله ازدحام ترافیک شهری نامیده می‌شود. یکی از روش‌های حل این مسئله، کنترل زمان چراغ‌های راهنمایی تقاطع‌هاست. در این پژوهش، مدل مورداستفاده، مدل فضای حالت سبز‌قرمز بوده و چراغ زرد به‌عنوان رنگ سوم، به مدل‌سازی اضافه شده است. برای کنترل تقاطع چراغ‌دار از کنترل‌کننده ترکیبی فازی‌یادگیری تقویتی استفاده شده که هسته اصلی آن، الگوریتم fuzzy q‌iteration است. طول صف هر خیابان به‌عنوان متغیر فازی در نظر گرفته می‌شود. کنترل‌کننده با توجه به طول صف پشت چراغ، سیگنال کنترلی را تولید می‌کند. سیگنال کنترلی تولیدی، مدت‌زمان چراغ سبز در هر خیابان در طول یک چرخه است. نتایج به‌دست‌آمده، بیانگر این است که کنترل‌کننده پیشنهادی نسبت کنترل‌کننده زمان ثابت، با معیار زمان انتظار خودروها، عملکردی مشابه یا بهتر داشته است. در نرخ جریان ورودی زیاد، عملکرد کنترل‌کننده دارای بهبود قابل‌ملاحظه‌ای در کاهش زمان انتظارها بوده است. علاوه بر این، طول صف در خیابان‌های دارای نرخ جریان ورودی زیاد، به این علت که عامل سعی می‌کند ، در خیابان‌های با نرخ جریان زیاد، سیگنال کنترلی بزرگ‌تری که به معنی زمان سبز بیشتر برای آن خیابان است، تولید کند، کاهش می‌یابد. طبق مدل پیشنهادی، میزان تعداد خودروها در هر خیابان چهارراه هوشمند از حدود 30 خودرو تجاوز نمی‌کند.

intelligent traffic control based on a combined model of fuzzy logic and reinforcement learning

increasing the number of vehicles on the streets is called the problem of urban traffic congestion. one way to solve this problem is to control the timing of traffic lights. in this research, the model used is the green‌red space model and the yellow light as a third color has been added to the modeling. to control the illuminated intersection, a fuzzy amplifier‌learning controller is used, the core of which is the fuzzy q‌iteration algorithm. the length of each street queue is considered as a fuzzy variable. the controller generates a control signal according to the length of the queue behind the light. the output control signal is the duration of the green light on each street during a cycle. the results show that the proposed controller had a similar or better performance than the fixed time controller ratio with the vehicle waiting time criterion. at high input current rates, controller performance has improved significantly in reducing waiting times. in addition, the queue length on streets with high input flow rates is reduced because the agent tries to generate a larger control signal on high flow rates streets, which means more green time for that street. according to the proposed model, the number of cars on each street of the smart intersection does not exceed about 30 cars.