شبیه سازی ماشین های خودران با استفاده از روش های یادگیری ماشین

افزایش جمعیت و گسترش شهرنشینی باعث افزایش ترافیک در شهرها، زمان و هزینه سفر، مصرف سوخت، آلودگی هوا و ... شده است. در چنین شرایطی، روش هایی لازم است که کارایی سیستم های حمل و نقل افزایش یابد. در این راستا، یکی از روش ­ها می ­تواند استفاده از ماشین­ های خودران باشد. این ماشین ها توجه محققین و صنایع را به خود جلب کرده ­اند به نحوی که بسیاری از کارشناسان حمل و نقل در حال حاضر بر روی توسعه ی این مفهوم کار می­ کنند.  این سیستم می ­تواند پایه ­ای برای رشد اقتصادی و توسعه کشورها باشد. در این مقاله، نقش ماشین ­های خودران در سیستم حمل و نقل مورد بحث قرار گرفته است. شاکله اصلی این تحقیق، استفاده از شبکه عصبی به عنوان یکی از روش ­های یادگیری ماشین است. وظیفه ی این قسمت، یادگیری سیستم و تصمیم ­گیری بر اساس حالت کنونی است. بدین منظور از ترکیب شبکه­ های عصبی Dense و Convolutional و شبیه­ ساز Udacity استفاده  شده است. این نحقیق نشان داد که این شبیه ساز می تواند موجب تسریع در فرآیند طراحی ماشین های خودران و پیاده ­سازی آ­ن ­ها شود. نتیجه به دست آمده نشانگر درصد مشابهت بالا بین ماشین کنترل شده توسط انسان و ماشین خودران حاصل از طرح پیاده­ سازی توسط شبیه ­ساز بود.

Keywords:

سیستم حمل و نقل , شبکه عصبی , ماشین های خودران , یادگیری ماشین , شبیه ساز Udacity