بهینه سازی ترافیک هوشمند با کنترل مرکزی و داده کاوی

مدیریت ترافیک در شهرهای هوشمند به دلیل افزایش جمعیت و پیچیدگی های شهری از اهمیت ویژه ای برخوردار است. وسایل نقلیه اضطراری (EV) مانند آمبولانس ها نیازمند عبور سریع و ایمن از تقاطع ها هستند. این پژوهش یک چارچوب نوین برای بهینه سازی جریان ترافیک با استفاده از سیستم کنترل مرکزی، برنامه ریزی پویا (RDS)، و یادگیری تقویتی چندعاملی (MARL) ارائه می دهد که با رویکردهای داده کاوی تقویت شده است. روش پیشنهادی با بهره گیری از ارتباطات خودرو به زیرساخت (V۲X)، دوربین های هوشمند و الگوریتم های یادگیری تقویتی زمان انتظار EV را کاهش داده و ایمنی آن ها را بهبود می بخشد. نتایج شبیه سازی نشان می دهد که سیستم کنترل مرکزی زمان انتظار EV را تا ۱۰ ثانیه کاهش می دهد، در حالی که RDS و MARL به ترتیب ۱۵ و ۱۲ ثانیه بهبود ایجاد می کنند. این چارچوب با استفاده از داده کاوی الگوهای ترافیکی را تحلیل کرده و تصمیم گیری پویا را تسهیل می کند. این پژوهش گامی در جهت توسعه شهرهای هوشمند ایمن و کارآمد است.

Keywords:

شهر هوشمند , کنترل مرکزی , داده کاوی , وسایل نقلیه اضطراری , یادگیری تقویتی