پيش‌بيني و كنترل هوشمند چراغ‌هاي راهنمايي با استفاده از الگوريتم هوش مصنوعي خودكار يادگير

Intelligent Prediction and Control of Traffic Lights Using Learning Automata Artificial Intelligence Algorithm (Case Study: Hamadan Traffic Fleet)

زمينه و هدف: كنترل تقاطع‌ها با استفاده از چراغ‌هاي راهنمايي به روش بهينه‌شده، كار بسيار دشواري است. سيستم كنترل هوشمند چراغ راهنمايي با استفاده از فناوري‌هاي راهنمايي و رانندگي همراه با هوش مصنوعي با تصميم‌گيري مناسب مشكلات ترافيكي مانند ازدحام را برطرف مي‌كند. روش‌هاي يادگيري تقويتي به‌ويژه الگوريتم خودكار يادگير مي‌توانند فقط با دريافت سيگنال از محيط تصميم بگيرند. هدف اين مقاله، ارائه برخي از روش‌هاي مبتني بر الگوريتم خودكار را براي پيش‌بيني و كنترل چراغ راهنمايي هوشمند با استفاده از انواع الگوريتم‌هاي خودكار از جمله روش‌هاي ساكن و متغير است. روش: روش تحقيق حاضر از نظر هدف، كاربردي و از نظر ماهيت، شبيه‌سازي- مشاهده‌اي است. تكنيك و روش مورد استفاده در اين پژوهش، استفاده تركيبي از روش الگوريتم خودكار يادگير است. جهت اين‌كار، ترافيك بر روي چهارراه‌هاي منطقه يك در شهر همدان، بررسي و از آن داده‌ها جهت ارزيابي و نتايج بهره گرفته شد. يافته‌ها: آزمايش‌ها نشان داد كه الگوريتم خودكار داراي ساختار متغير در اكثر موارد بهتر از الگوريتم خودكارهاي ديگر عمل مي‌كند و درنهايت روش پيشنهادي با الگوريتم‌هاي مختلف قابل مقايسه است و توانايي بهبود ترافيك در شهر را دارا است. نتيجه‌گيري: روش پيشنهادي براي هر چراغ راهنمايي، سيكل بعدي را پيش‌بيني كرده است كه در اين حالت، چهارراه، با كمترين ترافيك موجود مواجه خواهد شد، اين سيكل بلادرنگ بوده و ممكن است در دوره بعدي، توالي آن تغيير پيدا كند و به سمت بهينه‌سازي الگوريتم خودكار عمل كند، سامانه اجراشده، به‌طوري عمل مي‌كند كه با مرور زمان و با يادگيري بيشتر، آموزش ديده و كامل‌تر و با دقت بيشتري عمل مي‌كند.

Background and Aim: It is very difficult to control intersections using traffic lights in an optimized way. The intelligent traffic light control system uses traffic and driving technologies along with artificial intelligence to solve traffic problems such as congestion with appropriate decisions. Reinforcement learning methods, especially the automated learning algorithm, can only make decisions by receiving a signal from the environment. The purpose of this paper is to present some automated algorithm-based methods for predicting and controlling intelligent traffic lights using a variety of automated algorithms, including static and variable methods. - It is an observer. The technique and method used in this research is a combined use of the automated learning algorithm method. For this purpose, the traffic on the intersections of zone one in the city of Hamedan was examined and that data was used for evaluation and results. Results: Experiments showed that the automated algorithm with variable structure in most cases works better than other automated algorithms and finally the proposed method is comparable to different algorithms and has the ability to improve traffic in the city. Conclusion: The proposed method for each traffic light predicts the next cycle, in which case the intersection will face the least available traffic. This cycle is real-time and may change its sequence in the next period and towards optimization. The algorithm works automatically.