عملکرد یادگیری تقویتی عمیق در کنترل تطبیقی فاز گردش به چپ چراغ راهنمایی
Publish place: Civil Engineering Sharif، Vol: 41، Issue: 3
Publish Year: 1404
نوع سند: مقاله ژورنالی
زبان: Persian
View: 13
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SJCE-41-3_003
تاریخ نمایه سازی: 29 دی 1404
Abstract:
در نوشتار حاضر، عملکرد دو روش یادگیری تقویتی، شبکه ی Q عمیق دوئل دوگانه و شبکه ی Q عمیق استاندارد در کنترل تطبیقی فاز گردش به چپ چراغ های راهنمایی در یک تقاطع شهری مقایسه شده اند. روش های مقدار- محور ذکرشده، با استفاده از بهینه سازی در یادگیری تقویتی، مدت زمان سبز هر فاز را تعیین و یکی از دو فاز گردش به چپ محافظت شده یا مجاز را برای سیکل بعدی انتخاب می کنند. شبیه سازی ها برای حالت های توزیع یکنواخت و متغیر جریان خودروها و با دو جریان ترافیک سبک و سنگین انجام شده و نتایج نشان داده اند که الگوریتم شبکه ی عمیق دوئل دوگانه در فرایند یادگیری موثرتر از الگوریتم شبکه ی Q استاندارد عمل کرده است. همچنین، یادگیری با شبکه یQ دوئل دوگانه توانسته است طول صف تجمعی وسائط نقلیه را در تمام حالت های شبیه سازی، دست کم به میزان ۲۶٪ کاهش دهد و جریان ترافیک را بهبود بخشد. کاهش اخیر در حالت جریان ترافیک سنگین و یکنواخت بیشتر از سایر حالت ها بوده و به ۶۷٪ رسیده است. پژوهش حاضر می تواند نقش مهمی در توسعه ی سیستم های هوشمند کنترل ترافیک ایفا کند.
Keywords:
Authors
الهام گلپایگانی
دانشکده ی مهندسی عمران، دانشکدگان فنی، دانشگاه تهران، تهران.
عباس بابازاده
دانشکده ی مهندسی عمران، دانشکدگان فنی، دانشگاه تهران، تهران.
امید نیری
دانشکده ی مهندسی عمران، دانشکدگان فنی، دانشگاه تهران، تهران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
