توسعه سامانه‌های چند عامله و یادگیری تقویتی در کنترل هوشمند چراغ‌های راهنمایی

امروزه یکی از معضلات جوامع شهری، ازدحام و ترافیک خودروها در معابر شهری است که منجر به آسیب های مختلف اقتصادی، محیط زیستی و اجتماعی می شود. برای جلوگیری از این آسیب ها، نیاز به بهبود زیر ساخت های فعلی حمل و نقل در شهرهای بزرگ بیش از پیش احساس می شود. تمرکز مقاله حاضر بر روی کنترل هوشمند چراغ های راهنمایی به عنوان یکی از شاخه های سیستم های حمل و نقل هوشمند با استفاده از سامانه های چند عامله یادگیر است. دو سناریوی متفاوت شامل کنترل یک تقاطع منفرد و کنترل یک شریان متشکل از چهار تقاطع پیاده سازی می شوند. در سناریوی اول دو روش یادگیری q و سارسا با یکدیگر مقایسه و نتایج نشان می دهند که روش یادگیری q بهتر از روش یادگیری سارسا عمل می نماید. اما در سناریوی دوم به دلیل وجود چندین عامل یادگیر تقویتی و تاثیر رفتار هر عامل یادگیر بر سایر عامل ها، نیاز است که اعمال عامل ها با یکدیگر سازگار شوند. به کارگیری یک مکانیسم هماهنگی برای پیدا نمودن رفتار بهینه تمام عامل ها یکی دیگر از اهداف تحقیق به شمار می رود. نتایج این تحقیق نشان می دهند که کنترل هوشمند چراغ های راهنمایی منجر به کاهش 81% طول صف، 78% زمان سفر، 57% مصرف سوخت و 73% آلودگی هوا نسبت به کنترل غیر هوشمند چراغ های راهنمایی می شود.