مجید محمدی - دانشجوی دکترا، گروه برق وکامپیوتر، دانشگاه سمنان
عباس دیدبان - دانشیار، گروه برق وکامپیوتر، دانشگاه سمنان
مهناز اثباتی - دانشجوی کارشناسی ارشد، گروه برق وکامپیوتر، دانشگاه سمنان

امروزه با توسعه زندگی شهرنشینی و افزایش نیاز به حمل و نقل، معضل ازدحام ترافیک تبدیل به یکی از بزرگترین مشکلات پیش روی جوامع بشری شده است. لذا برای دستیابی به توسعه پایدار در زمینه مدیریت یکپارچه شهری،کنترل شبکه های حمل و نقل امری اجتناب ناپذیر است. این کنترل شامل دو رویکرد عمده تقاطع ها و شریان ها ی شهری و شبکه های بزرگراهی می باشد. وجود دینامیک ها و نایقینی های زیاد در سیستم کنترل یک تقاطع،مدل سازی آن را دشوار می سازد. بنایراین رویکرد استفاده از الگوریتم های کنترلی مستقل از مدل اهمیت پیدا می کند. چارچوب یادگیری تقویتی به عنوان یک روش مستقل از مدل، بستر مناسبی برای کنترل ترافیک فر اهم می سازد. از ویژگی های کنترل یادگیری تقویتی می توان به هوشمندی، بهینگی و تطبیقی بودن آن اشاره کرد پرکاربردترین روشهای پیاده سازی یادگیری تقویتیSARSA و Q-Learning هستند که در این مقاله بر مبنای آنها کنترلرهایی برای کنترل ترافیک یک تقاطع ایزوله ارائه و همچنین روش های فازی Q-Learning و فازی SARSA مورد مطالعه قرار گرفته اند. برای تحلیل کارایی این کنترل کننده ها، یک سه راه در شهر تهران با داده های حقیقی در نرم افزار Aimsun شبیه سازی و آنالیز شده است. نتایج به دست آمده نشانگر بهبود عملکرد شبکه نسبت به روش های معمول علم مهندسی ترافیک می باشد

تقاطع، شبکه های ترافیک شهری، کنترل هوشمند ترافیک، یادگیری تقویتی