سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

کنترل ترافیک شهری با استفاده از سیستمهای چندعامله سلسله مراتبی و یادگیری تقویتی

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,022

This Paper With 19 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

TTC15_136

Index date: 25 January 2017

کنترل ترافیک شهری با استفاده از سیستمهای چندعامله سلسله مراتبی و یادگیری تقویتی abstract

با افزایش تعداد خودروها در شبکه های شهری، روشهای کلاسیک در کنترل ترافیک شهری قابل استفاده نبوده ونیاز به روشهای هوشمند افزایش می یابد. در این مقاله، روشی برای کنترل ترافیک شهری با استفاده از سیستمه ایچندعامله سلسله مراتبی دو سطحی پیشنهاد شده است. یک شبکه شامل تعداد ز ی ادی از تقاطعها، توسط ی ک سیستم چندعامله در سطح اول مدل شده است. در سطح دوم تعدادی عامل که هر ی ک مسئول کنترل تراف ی کناحیه ای متشکل از تعدادی عامل هستند، قرار دارند. در سطح اول، ی ادگیری تقو یتی بر ای زمانبند ی چراغه ای راهنمایی مورد استفاده قرار گرفته است و در سطح دوم از یک سیستم مبتنی بر قانون جهت کنترل تراکم خودروها در ناحیه استفاده شده است. نتایج حاصل از پی اده ساز ی روش بر رو ی شبکه گر ی د نشان م ی دهند که روشپیشنهادی باعث کاهش میزان تاخیر در زمان سفر شده و همچنین از اشباع شبکه جلوگیری می نماید.

کنترل ترافیک شهری با استفاده از سیستمهای چندعامله سلسله مراتبی و یادگیری تقویتی Keywords:

کنترل ترافیک شهری با استفاده از سیستمهای چندعامله سلسله مراتبی و یادگیری تقویتی authors

منیره عبدوس

دانشکده مهندسی و علوم کامپیوتر- دانشگاه شهید بهشتی

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 :
stochastic adaptive control model for isolated Aه 10- Wen, K., ...
Chen, B., Cheng, _ H., Palen, J. (2009) .Integrating mobile ...
Roozemond, Danko A. (2001). Using intelligent agents for pro-active, real-time ...
Cai, C. and Yang, Z.(2007). Study on urban traffic management ...
Choy, Min Chaee, Srinivasan, Dipti and Cheu, Ruey Long (2003). ...
Srinivasan, Dipti, Choy, Min Chaee and Cheu, Ruey Long (2006). ...
Gregoire, P., Desjardins, C., Laumonier, J. and Chaib-draa, B. (2007), ...
Weiring, M. (2000) "Multi-agent reinforcemet learning for traffic light control, ...
Steingrover, M., Schouten, R., Peelen, S., Nijhuis, E., Bakker, B. ...
Silva, B.C.d., Basso, E.W., Bazzan, A.L.C. and Engel, P.M. (2006), ...
Dai, Y., Zhao, _ and Yi, J.a. (2010) _ comparative ...
Mannion, P., Duggan, J. and Howley, E. (2015), "Parallel Reinforcemet ...
Prashanth, L.A. and Bhatnagar, Shalabh (2011). Reinforcemet learning with function ...
Balaji, P. G., German, X. J. A., Srinivasan, D. (2010). ...
Salkham, A., Cunningham, R., Garg, A. and Cahill, V. (2008), ...
Gabric, T., Howden, N., Norling, E., Tidhar, G., L. Sonensberg ...
Watkins, Chris and Dayan, Peter (1992). Q-learning, Machine learning, Vol. ...
نمایش کامل مراجع

مقاله فارسی "کنترل ترافیک شهری با استفاده از سیستمهای چندعامله سلسله مراتبی و یادگیری تقویتی" توسط منیره عبدوس، دانشکده مهندسی و علوم کامپیوتر- دانشگاه شهید بهشتی نوشته شده و در سال 1394 پس از تایید کمیته علمی پانزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله کنترل ترافیک هوشمند، سیستمهای چندعامله، ساختار سلسله مراتبی، یادگیری تقویتی هستند. این مقاله در تاریخ 6 بهمن 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1022 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که با افزایش تعداد خودروها در شبکه های شهری، روشهای کلاسیک در کنترل ترافیک شهری قابل استفاده نبوده ونیاز به روشهای هوشمند افزایش می یابد. در این مقاله، روشی برای کنترل ترافیک شهری با استفاده از سیستمه ایچندعامله سلسله مراتبی دو سطحی پیشنهاد شده است. یک شبکه شامل تعداد ز ی ادی از تقاطعها، توسط ی ک سیستم چندعامله در سطح ... . برای دانلود فایل کامل مقاله کنترل ترافیک شهری با استفاده از سیستمهای چندعامله سلسله مراتبی و یادگیری تقویتی با 19 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.