>
Fa   |   Ar   |   En
   تکنیکهای یادگیری عمیق برای هوشمندسازی چراغ راهنمایی  
   
DOR 20.1001.2.9920185099.1399.26.1.56.6
نویسنده زارع مهرجردی حمیده ,نظارات امین
منبع كنفرانس بين المللي انجمن كامپيوتر ايران - 1399 - دوره : 26 - بیست و ششمین کنفرانس بین المللی انجمن کامپیوتر ایران - کد همایش: ۹۹۲۰۱-۸۵۰۹۹
چکیده    در شبکه حمل ونقل خودروهای شهری، چراغ های راهنمایی می توانند یک ابزار کارآمد برای کنترل جریان آمد و شد خوردروها، شمار خودروهای منتظر پشت چراغ راهنمایی و مدت زمان سفرهای درون شهری باشند. این مقاله بر روی بهینه‌سازی شبکه‌های حمل‌ونقل شهری با استفاده از ‏هوش مصنوعی تمرکز دارد و برای دستیابی به زمانبندی بهینه چراغ راهنمایی، با بهره گیری از انواع الگوریتم های درحوزه یادگیری تقویتی، تقویتی عمیق و یادگیری عمیق، یک مدل ترافیکی ساخته شده است. منطق کنترل زمانی چراغ ها و جریان آمد و شد خودروها در مدل لحاظ گردیده است. برای دستیابی به افزایش سرعت محاسبات و بهینه نمودن سیستم، الگوریتم ها در فریمورک توزیع شده ray پیاده سازی شده است. سه سناریو مختلف با الگوریتم های متفاوت q-learning، dqn و a3c با رویکرد سیستم-های تک عاملی با شبیه سازی میکروسکوپیک یک تقاطع در نرم افزار sumo مورد ارزیابی قرار گرفت.با تحلیل عملکرد سناریوها در نهایت سناریو سوم با بهره گیری از الگوریتم یادگیری عمیق a3c‏، منجر به کاهش 91.14% زمان انتظار نسبت به روش q-learning‏و 29.32% کاهش زمان انتظار در مقایسه باروش ‏dqn‏ ‏گردید. برای مشاهده عملکرد الگوریتم برتر و بررسی انتقال‌پذیری در چارچوب یادگیری عمیق، مطالعه موردی یک تقاطع حقیقی در شهر یزد مورد آزمایش قرارگرفته است. تقاطع منتخب خیابان چمران با خیابان سلمان فارسی است.
کلیدواژه یادگیری تقویتی ,یادگیری تقویتی عمیق ,یادگیری عمیق ,فریمورک توزیع‌شده ,سیستم های تک عاملی ,شبیه سازی میکروسکوپیک
آدرس دانشگاه آزاد اسلامی واحد میبد, ایران, دانشگاه پیام نور, ایران
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved