علی ادریسی - استادیار گروه راه و ترابری، دانشکده مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران - خیابان ولیعصر -تقاطع میرداماد - روبروی ساختمان اسکان
کوشا باقرزاده چهره - دانشجوی کارشناسی ارشد حمل و نقل ، دانشکده عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران - خیابان ولیعصر -تقاطع ان میرداماد- روبروی ساختمان اسکان
علی نادی - کارشناس ارشد راه و ترابری، دانشکده عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران - خیابان ولیعصر -تقاطع میرداماد - روبروی ساختمان اسکان

بواسطه ی جمعیت رو به افزایش در کلان شهرهای جهان، کیفیت ارایه ی خدمات ترافیکی ملزم به بهبود است. بدیهی است که کاهش زمان سفر تاثیر مستقیم بر روند ترافیکی و مرتفع شدن مشکلات ترافیکی دارد. در نظر گرفتن شرایط ترافیکی حاکم در ارایه کوتاهترین مسیر نقش بسزایی داشته و موجب برقراری تناسب میان شبکه های موجود و کاهش هزینه ها می شود. در این تحقیق با استفاده از علم یادگیری ماشین و روش یادگیری تقویتی و ارایه ی مدلی کاربردی برای تمام شبکه ها، زمان سفر به کمترین مقدار تقلیل داده شده است، سپس با استفاده از یک فرآیند کنترل بهینه و فرآیند تصمیم گیری متوالی مانند فرآیند تصمیم گیری مارکوف، امکان مسیریابی پویا در یک سیستم عامل مبنا فراهم شده است. برای افزایش دقت و بررسی موضوع تاثیر احتمال انتخاب مسیر، از مدل لوجیت نیز به منظور دستیابی به احتمال بهینه و مطابق با واقعیت استفاده شده است. جهت بررسی عملکرد روش، این مدل بر روی یک شبکه ی واقعی پیاده سازی شده است. نتایج بیانگر بهبود شرایط مسیریابی بااستفاده ازمدلسازی احتمال انتخاب مسیر است

شبکه های تصادفی،سیستم های عامل مبنا،مسیریابی وسایل نقلیه درشبکه ی پویا،فرآیند تصمیم گیری مارکوف