کنترل هوشمند فاز های چراغ راهنمایی بر اساس ارزیابی شدت ترافیک در شبکه‌ای از تقاطع‌ها با استفاده از روش های یادگیری تقویتی

کنترل هوشمند فاز های چراغ راهنمایی بر اساس ارزیابی شدت ترافیک در شبکه‌ای از تقاطع‌ها با استفاده از روش های یادگیری تقویتی


کنترل هوشمند فاز های چراغ راهنمایی بر اساس ارزیابی شدت ترافیک در شبکه‌ای از تقاطع‌ها با استفاده از روش های یادگیری تقویتی

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: کنترل هوشمند فاز های چراغ راهنمایی بر اساس ارزیابی شدت ترافیک در شبکه‌ای از تقاطع‌ها با استفاده از روش های یادگیری تقویتی

ارائه دهنده: Provider: سیده منیره مرتضوی آزاد - رشته برق

اساتید راهنما: Supervisors: دکتر عباس رمضانی

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر مجید غنی ئی زارچ، دکتر محرم منصوری زاده

زمان و تاریخ ارائه: Time and date of presentation: 25 بهمن 1401 ساعت 17:30-16

مکان ارائه: Place of presentation: سمینار برق 1

چکیده: Abstract: حمل و نقل و چالش‌های آن همواره مورد توجه پژوهشگران بوده است. از جمله‌ی این چالش‌ها، ایجاد عبور و مرور روان برای خودروها در سطح شهر است. استفاده از چراغ راهنمایی برای اولویت بندی عبور خودروها در سطح تقاطع از جمله روش‌های مدیریت ترافیک می‌باشد. در این پژوهش به مطالعه‌ی چراغ راهنمایی هوشمند با شبیه‌سازی در محیط سومو پرداخته شده است. دو مدل تقاطع، تکی-مستقل و دو تقاطع متصل به هم در نظر گرفته شده است. محیط برای به دست آوردن اطلاعات لازم به صورت گسسته در نظر گرفته شده است و تلاش شد از اطلاعات مختلف دریافتی ناشی از این روش، برای بهبود عملکرد عامل استفاده شود. با استفاده از یادگیری تقویتی (یادگیری کیو و شبکه عصبی عمیق)چراغ راهنمایی به عنوان عامل هوشمند تصمیم گیرنده در سطح تقاطع با مدیریت تخصیص فازها، در پی کاهش زمان انتظار وسایل نقلیه در سطح تقاطع است. نتایج این پایان‌نامه حاکی از کاهش طول صف خودروهای در انتظار با به کارگیری روش‌های ارائه شده، می‌باشد. در فاز دوم این پژوهش با در نظر گرفتن بسیاری از مفروضات قبلی، دو تقاطع در حالتی کاملا مستقل و حالت اشتراک گذاری اطلاعات میان عاملان بررسی شد. مقایسه میان نحوه تعریف پاداش و اثرگذاری آن بر حجم ترافیک بررسی شده است. همچنین، مطالعه‌ی مختصری بر پایش ترافیک از طریق الگوریتم یولو نسخه ۵ نیز صورت گرفته است که نشان داده شد نحوه‌ی استفاده از این الگوریتم بر دقت شناسایی وسایل نقلیه و متعاقبا برآورد حجم ترافیک موثر است. در این بخش انواع وسایل نقلیه با در نظر گرفتن ضریب هم‌سنگ، در ایجاد ترافیک موثر واقع شدند که این امر برآورد اطلاعات را به شرایط واقعی نزدیک‌تر می‌کند.

فایل: ّFile: