توسعه یک مدل شبیه ساز عامل مبنا به‌ منظور بهبود جریان ترافیک شهری

جمعیت شهرها روز به ‌روز افزایش می‌یابد؛ اما زیرساخت‌های حمل ‌و نقل شهری متناسب با روند افزایش توسعه نمی‌یابد. این امر باعث بروز ازدحام شدید خیابان‌ها شده است. کاربردی‌ترین رویکرد ممکن برای حل این مشکل استفاده کارا از این زیرساخت‌ها است و کنترل درست ترافیک نقش مهمی در این کارایی دارد. هدف این تحقیق توسعه یک سیستم شبیه ساز عامل‌مبنا برای کنترل ترافیک شهری است. در این پژوهش، از مدل میکروسکوپیک ترافیک در بستری شبیه سازی شده از انواع خیابان های متقاطع دارای چراغ راهنمایی، جهت بهینه‌ کردن جریان ترافیک استفاده‌ شده است. در این روش با تعریف پارامترهای اصلی ترافیک به عنوان مجموعه ای از عامل های هوشمند در مقیاس میکرو، انتظار می رود بهترین تنظیمات چراغ راهنمایی برای بهبود مساله ترافیک به دست آید. عامل‌های مذکور شامل سه دسته (خودروها، مرکز کنترل ترافیک و چراغ های راهنمایی) با عملکردهای متفاوت هستند. سناریوهای تعریف‌ شده علاوه بر اینکه بهینه‌سازی زمانبندی چراغ راهنمایی در تقاطع‌ها را مد نظر دارند، بهینه‌سازی کل جریان ترافیک را نیز دنبال می‌کنند. سناریوها با تغییر نوع عملکرد چراغ راهنمایی و نوع مسیریابی خودروها پیاده‌سازی شده‌اند. برای چراغ راهنمایی سه حالت معمول، شمارشی و بهینه (هوشمند) در نظر گرفته‌ شده است و همچنین برای مسیریابی خودروها از دو حالت کوتا‌هترین مسیر و حالت بهینه با استفاده از اطلاعات ترافیک مسیر استفاده گردید. با ترکیب این حالت ها مجموعاً شش سناربو حاصل شد. نتایج حاصل از مقایسه زمان توقف خودروها و سرعت میانگین خودروها، بهینه شدن جریان ترافیک را در سناریوی ششم برای حالتی که هم چراغ راهنمایی هوشمند است و هم از مسیریابی بهینه با استفاده از اطلاعات ترافیکی استفاده می شود، نشان داد. در این سناریو، متوسط زمان توقف هر خودروها 3.12 ثانیه بر کیلومتر کاهش و سرعت متوسط آن 1.83 کیلومتر بر ساعت افزایش را نسبت به مقادیر میانگین هر شش سناریو به ثبت رساند. برای اعتبارسنجی این مدل از داده‌های کنترل‌ شده استفاده شد که دقت نسبی 83% را برای پارامتر زمان توقف و 94% را برای میانگین سرعت نسبت به داده های کنترل شده به دست آورد. این نتایج حاکی از کارایی و قابلیت اطمینان مدل عامل مبنای توسعه داده شده برای روانسازی جریان ترافیک در شهر است.

Developing an Agent-based Simulator Model to Improve Cities' Traffic Flow

Nowadays, cities rsquo; population has been encountered with rapid growth. However, the urban transport infrastructures are not developed with this rate. This issue yield to the common problem which is the traffic jam in streets. The practical approach to solve this problem is the efficient use of the infrastructure and proper traffic control which plays an important role in this performance. Based on the aforementioned issues, the aim of this study is an urban traffic control system using the agentbased simulation approach.In this study, the microscopic model for efficient network traffic junctions in the context of the flow of traffic at intersections has been used. The proposed approach, by defining the main parameters of traffic as a collection of microscale smart agents, is expected to address the issue mentioned more effectively. These agents consist of three categories (vehicles, traffic control centers and traffic lights) with different functions.In our approach in addition to the defined scenarios for intersection with a focus on optimizing time, total optimization of traffic flow will also be followed. Also, path finding is used to test the performance of the model. Having the traffic lights with three phase and two methods of path finding, six scenarios are defined and are implemented in a simulated environment.The results of the comparison parameter stop time and the average speed of vehicles reveals the fact that using the intelligent path finding and smart traffic light (sixth scenario) would lead to the downturn about 3.12 seconds per kilometer for stop time and upturn near 1.83 km/h for average speed of cars using the proposed method. We used the controlled data for the evaluation process and the relative accuracy was 83% for stop time and 94% for average speed of vehicles. The results of this study revealed the efficiency as well as reliability of the developed agentbased model in traffic smoothing.