کنترل چراغ راهنمایی با استفاده از یادگیری عمیق Q و منطق فازی

برای بسیاری از کلان شهرها، تراکم ترافیک یک نگرانی جدی است. به منظور کاهش مسائل زیست محیطی مرتبط با ترافیک و میزان زمان تلف شده در جاده های شهرهای بزرگ، ازدحام ترافیک باید کاهش یابد، علیرغم اینکه انجام این کار به دلیل پیچیدگی ها و عدم قطعیت های متعدد چالش برانگیز است. در مقایسه با روش های مرسوم، روش های کنترل ترافیک هوشمند - که استفاده از آنها با توسعه تکنیک های جدید در حال افزایش است - راه حل های موثرتری را به ویژه در تقاطع های ترافیکی با تراکم سنگین ارائه می دهند. ما یک سیستم زمان بندی سیگنال ترافیکی برای عامل چراغ راهنما، مبتنی بر منطق فازی را برای تقاطع ها در این مقاله ارائه می کنیم. رویکرد پیشنهادی ما ترکیبی از کنترل منطق فازی (FLC) و الگوریتم های Deep Q-Learning است. رویکرد پیشنهادی و همچنین راهبردهای متعدد کنترل چراغ راهنمایی در این مطالعه شبیه سازی شده است. چند معیار ارزیابی کلیدی، از جمله آلودگی هوا، زمان انتظار و تراکم ترافیک، در نتایج شبیه سازی به کار گرفته شده تا نشان دهد رویکرد پیشنهادی چقدر موثر است. علاوه بر این، نشان داده شده است که رویکرد پیشنهادی، استحکام و پایداری سیستم را افزایش می دهد.

Keywords:

یادگیری عمیق Q , کنترل منطق فازی , چراغ راهنمایی