کنترل تطبیقی چراغ راهنمایی با استفاده از یادگیری تقویتی

در دهه های اخیر، با افزایش چشمگیر وسایل نقلیه و حجم نقل و انتقالات، زمان های سفرهای درون شهری افزایش یافته است. کند شدن شریان توسعه و اقتصاد شهری، افسردگی، کاهش توان فردی، مصرف بسیار زیاد سوخت، افزایش سطح دی اکسید کربن و سایر آلاینده های محیطی، ترافیک را به صورت یک معضل اجتماعی - اقتصادی در آورده است. به گونه ای که مدیریت و کنترل صحیح آن اهمیت زیادی یافته و در دستور کار مسئولین قرار گرفته است. در حال حاضر اکثر سیستم های کنترل ترافیک از قوانین ثابت و از پیش تعیین شده‌ای استفاده می کنند، که تحت عنوان آیین‌نامه ها، دارای جامعیت عمومی بوده و کمتر با شرایط و تغییرات محلی سازگارند، در حالیکه،‌ مطالعات جدید نشان می دهد که اتخاذ استراتژی ها به صورت بی‌درنگ و متناسب با تغییرات محیط، زمان های انتظار در پشت چراغ ها را 5 تا 15 درصد کاهش می دهد. سیستم های کنترل ترافیک به منظور بهبود عملکرد خود می بایست تغییرات تدریجی در محیط ترافیکی را شناسایی کرده، نحوه تغییرات را تخمین زنند، و خود را با آن تطبیق دهند. همچنین اینگونه سیستم ها می بایست قادر به کنترل شرایط غیر قابل پیش بینی نظیر تصادفات نیز بوده،‌و آنها را به وسیله ابزار ترافیکی (نظیر چراغ های راهنمایی) و همکاری بین آنها کنترل نماید. به منظور طراحی و پیاده سازی چننی عامل های یروش های یادگیری ماشینی هوشمند انتخاب مناسبی می نماید. این مقاله با ادغام روش های تعمیم و تقریب خطی با داده های اتخاذ شده از حس گرهای متعارف ترافیکی و نیز استفاده از روش یادگیری تقویتی، روشی کارا با بار حافظه ای و محاسباتی کم به منظور کنترل جریان ترافیک ارائه می دهد.