شبیه‌سازی جستجوی پارک در حاشیه خیابان با استفاده از یادگیری تقویتی

توسعه جوامع بشری موجب شده است تا امروزه در مراکز جمعیتی با افزایش قابل توجه تقاضای سفر روبه‌رو باشیم. یکی از چالش‌برانگیزترین مشکلات فعلی شهرها مسئله یافتن جای پارک در طول روز توسط شهروندان است. محدودیت در عرضه فضای پارک، سفرهای وسایل نقلیه شخصی را مشکل‌ساز نموده است لذا مدیریت تقاضا به گونه ای که فضای پارک موجود در شهر بتواند با کمترین هزینه پاسخگوی سفرها باشد امری حیاتی است. شناسایی و اتخاذ سیاستی مناسب جهت مدیریت تقاضا در گام نخست مستلزم شناسایی رفتار سفر کاربران می باشد. در این پژوهش سعی بر آن بوده است تا رفتار جستجوی جای پارک توسط کاربرانی که در ساعت اوج صبح با هدف کاری به مرکز شهر مراجعه می نمایند بررسی و شبیه‌سازی گردد. طبسی و صمدزاد (1398) به کمک تابع هزینه با ساختار آبشاری و با استفاده از الگوریتم bayesian learning رفتار جستجوی جای پارک این نوع کاربران را مدل نمودند. اما در این پژوهش به کمک تابع ارزش و با استفاده از الگوریتم q_learning رفتار جستجوی جای پارک توسط کاربران مدل و در نهایت به مقایسه نتایج حاصل از دو مدل پرداخته شد. جهت مقایسه نتایج دو مدل، در هر دو 300 عامل به مدت 20 روز وارد شبکه ای مشابه شده و به جستجوی جای پارک پرداختند. مدت زمان جستجوی میانگین جامعه، مدت زمان میانگین پیاده‌روی کل جامعه و الگوی پرشدن شبکه به عنوان معیارهای مقایسه مورد بررسی قرار گرفتند. مقایسه بین الگوریتم طبسی و الگوریتم توسعه‌یافته بر مبنای q_learning در این پژوهش نشان داد که الگوی یافتن جای پارک در الگوریتم این پژوهش در طول دوره بهبودیافته اما در نهایت عاملان با رفتار بر اساس الگوریتم طبسی در دوره 20 روزه به وضعیت بهتری در انتهای دوره دست می یابند اما در طول دوره روند بهبود ناشی از آموزش در آنها مشهود نیست.