کنترل هوشمند چراغ راهنمایی با Deep Q-Learning
سامانه کنترل یک چهارراه با ترکیب ادراک خودرو، مدلسازی وضعیت ترافیک و عامل Deep Q-Learning در SUMO برای کاهش زمان انتظار نسبت به کنترل زمانثابت.
نقش من: پژوهش پایاننامه کارشناسی ارشد در دانشگاه بوعلی سینا؛ ادراک، طراحی حالت و پاداش، عامل شبکه عصبی و ارزیابی شبیهسازی.
از ادراک خودرو تا تصمیمگیری چراغ راهنمایی
سامانه کنترل یک چهارراه با ترکیب ادراک خودرو، مدلسازی وضعیت ترافیک و عامل Deep Q-Learning در SUMO برای کاهش زمان انتظار نسبت به کنترل زمانثابت.
چهارراه با انتخاب تطبیقی فاز چراغ
نمایش وضعیت ترافیک با ۸۰ سلول و چهار عمل کنترلی
مقایسه با کنترلکننده زمانثابت در ترافیک سبک، متوسط و سنگین
بخش ادراک این مسیر بعداً به مقالات تشخیص خودرو رسید و بخش کنترل نیز در یک مقاله جدید در حال توسعه است
بخش کنترل هنوز ادامه دارد.
یک مقاله جدید در ادامه مسیر کنترل ترافیک مبتنی بر Deep Q-Learning در حال آمادهسازی برای ارسال به داوری است. تا پیش از انتشار، جزئیات روش بهصورت خلاصه نگه داشته میشود.
یادداشت پایاننامه