مقاله در حال آماده‌سازی برای داورییادگیری تقویتیCurrent4 دقیقه مطالعه

توسعه کنترل هوشمند ترافیک با Deep Q-Learning — پژوهش در حال تکمیل

به‌روزرسانی کوتاهی از ادامه بخش کنترل پایان‌نامه ارشد؛ توسعه پژوهش کنترل چراغ راهنمایی مبتنی بر Deep Q-Learning پیش از ارسال برای داوری.

نویسندگان: Pouria Maleki
توسعه کنترل هوشمند ترافیک با Deep Q-Learning — پژوهش در حال تکمیل — مقاله پژوهشی پوریا ملکی

پایان‌نامه کارشناسی ارشد من در سال ۱۴۰۰ در دانشگاه بوعلی سینا بر کنترل تطبیقی چراغ راهنمایی با یادگیری تقویتی و Deep Q-Learning متمرکز بود. در این پژوهش، چهارراه در SUMO شبیه‌سازی شد، وضعیت ترافیک برای تصمیم‌گیری دنباله‌ای مدل شد و عامل مبتنی بر Q-Learning و شبکه عصبی، فاز چراغ را متناسب با شرایط ترافیک انتخاب می‌کرد.

ادامه پژوهش فعلی

بخش کنترلی این مسیر اکنون در قالب یک مقاله جدید در حال توسعه است. این کار همچنان در ادامه مسیر کنترل ترافیک مبتنی بر Deep Q-Learning قرار دارد و با فرمول‌بندی و ارزیابی گسترده‌تر برای ارسال به داوری آماده می‌شود.

از آنجا که مقاله هنوز منتشر نشده است، جزئیات روش منتشرنشده و جدول‌های کامل نتایج عمداً روی وب‌سایت عمومی قرار نمی‌گیرند.

مسیر پژوهشی

این کار ادامه یک مسیر پژوهشی واحد است:

پایان‌نامه کنترل ترافیک با Deep Q-Learning ← ادراک خودرو ← دیتاست‌های عمومی ← مقالات منتشرشده تشخیص شیء ← مقاله جدید کنترل ترافیک

پس از ارسال و داوری، این صفحه می‌تواند با اطلاعات کتاب‌شناختی نهایی و جزئیات فنی قابل انتشار به‌روزرسانی شود.

پژوهش‌های مرتبط

سیستم هوشمند کنترل چراغ راهنمایی با استفاده از شبکه‌های عصبی عمیق — پژوهش پوریا ملکی
یادداشت پایان‌نامه کارشناسی ارشدیادگیری تقویتی
20217 دقیقه مطالعه

سیستم هوشمند کنترل چراغ راهنمایی با استفاده از شبکه‌های عصبی عمیق

Bu-Ali Sina University · M.S. Thesis

پایان‌نامه کارشناسی ارشد من در سال ۱۴۰۰ از یادگیری تقویتی با Deep Q-Learning، شبیه‌ساز SUMO و تخمین ترافیک مبتنی بر YOLO برای کنترل تطبیقی چراغ راهنمایی استفاده کرد.

SUMO محیط ترافیک را می‌سازد و Deep Q-Learning تصمیم‌گیری دنباله‌ای چراغ‌ها را انجام می‌دهد
مطالعه مقاله