كنترل انعطاف‌پذير سيگنال ترافيك مبتني بر توسعه نمايش حالت در روش يادگيري تقويتي عميق در هنگام وقوع تصادف در تقاطعات شهري

روش‌هاي يادگيري تقويتي عميق نتايج اميدواركننده‌اي را در توسعه كنترل‌كننده‌هاي سيگنال ترافيك نشان داده‌اند. در اين مقاله، انعطاف‌پذيري يك كنترل كننده مبتني بر يادگيري تقويتي عميق را در شرايط ترافيك با حجم زياد و تحت طيف وسيعي از اختلالات محيطي مانند تصادفات، بررسي كرده و يك كنترل‌كننده قابل اعتماد را در محيط با ترافيك پويا پيشنهاد مي دهيم. در اين روش ،با استفاده از رويكرد گسسته سازي هر يك از خيابان هاي چهارراه به سلول هايي تقسيم شده وتاثير اندازه اين سلول ها به لحاظ متفاوت بودن يا يكسان بودن با يكديگردر كارآيي الگوريتم بررسي مي گردد. با انتخاب يك فضاي حالت توسعه يافته و متراكم، اطلاعاتي به عامل به عنوان ورودي داده مي شودكه بتواند درك كاملي از محيط را در اختيار عامل قرار دهد. براي آموزش عامل از روش يادگيري عميق Q و بازپخش تجربه استفاده شده و مدل پيشنهادي در شبيه ساز ترافيك SUMO ارزيابي شده است. نتايج شبيه‌سازي كارايي روش پيشنهادي را در كاهش طول صف حتي در صورت وجود اختلال تأييد مي‌كند.