جاده

جاده

کنترل چندعاملی چراغ‌های راهنمایی با آگاهی از سرریز صف با استفاده از یادگیری تقویتی عمیق: مطالعه‌ی موردی تقاطع‌های نزدیک شهرکرد

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان
پیمان محقق 1
علی نادران 2
حمید میرزاحسین 3
1 گروه راه و ترابری، دانشکده ﻋﻤﺮان، واﺣﺪ ﻋﻠﻮم و ﺗﺤﻘﯿﻘﺎت، دانشگاه آزاد اسلامی، ﺗﻬﺮان، اﯾﺮان
2 گروه عمران، دانشکده عمران، معماری و هنر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
3 گروه ﻣﻬﻨﺪسی ﻋﻤﺮان-ﺑﺮﻧﺎﻣﻪرﯾﺰی ﺣﻤﻞوﻧﻘﻞ، دانشکده فنی و ﻣﻬﻨﺪسی،دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران
10.22034/road.2026.593649.2528
چکیده
پدیده‌ی سرریز صف (Queue Spillback) در تقاطع‌های شهری، به‌ویژه زمانی که فاصله‌ی تقاطع‌ها کم باشد، می‌تواند منجر به قفل‌شدگی کامل شبکه (Gridlock) شود. این پژوهش با هدف ارائه‌ی یک مدل کنترل هوشمند برای چهار تقاطع نزدیک به هم در شهرکرد (سعدی-فردوسی، سعدی-ولیعصر، سعدی-۱۲ محرم و ولیعصر-ملت) انجام شده است. به‌دلیل عدم دسترسی به سامانه‌ی تشخیص پلاک خودرو ) (LPR، داده‌های ترافیکی مورد نیاز از طریق شمارش دستی و دوربین های نظارت تصویری واقع در مرکز کنترل ترافیک جمع‌آوری و برای کالیبره کردن شبیه‌ساز میکروسکوپی VISSIM استفاده شدند. سپس یک چارچوب یادگیری تقویتی چندعاملی با آگاهی از سرریز (MADDQN-OA) طراحی گردید که در آن هر تقاطع به‌عنوان یک عامل هوشمند عمل کرده و با اشتراک‌گذاری اطلاعات صف با همسایگان، از وقوع سرریز جلوگیری می‌کند. نتایج شبیه‌سازی در سه سناریوی ترافیکی (جریان کم، نزدیک به اشباع و فوق‌اشباع) نشان داد که روش پیشنهادی در مقایسه با کنترل زمان‌ثابت موجود، تأخیر متوسط را تا ۶۵٪ کاهش و توان عملیاتی را تا ۴.۲٪ افزایش می‌دهد. همچنین تعداد وقوع سرریز صف به‌طور چشمگیری کاهش یافت. این پژوهش نشان می‌دهد که در غیاب LPR، ترکیب داده‌های میدانی با شبیه‌سازی و یادگیری تقویتی می‌تواند راهکاری مؤثر و عملی برای بهبود ترافیک شهری در ایران ارائه دهد.
کلیدواژه‌ها
سرریز صف
شبیه‌سازی VISSIM
کنترل چراغ راهنمایی
یادگیری تقویتی چندعاملی
MADDQN
جاده

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 11 شهریور 1405