|
Title
|
مسیریابی و کنترل ترافیک در تقاطع های همسطح شهری به کمک بهینه سازی مار گارتر و یادگیری تقویتی در بستر شبکه های اجتماعی وسایل نقلیه
|
|
Type of Research
|
Thesis
|
|
Keywords
|
کنترل ترافیک، یادگیری تقویتی، بهینه سازی مار گارتر، شبکه اجتماعی وسایل نقلیه
|
|
Abstract
|
افزایش وسایل نقلیه به یکی از معضلات شهرنشینی به خصوص در کلان شهرها تبدیل شده است. از این رو جمع آوری و مطالعه اطلاعات در مورد عواملی که در وضعیت مدیریت ترافیک یک مسیر و یا شبکه ای از مسیرها مؤثرند، بسیار حائز اهمیت است. مسأله ترافیک علاوه بر ابعاد فنی و تکنیکی، ابعاد اجتماعی بسیار مهم و حیاتی را از دیرباز تاکنون در بر داشته است. لذا با ظهور فناوری های جدید مانند اینترنت وسایل نقلیه می توان مدیریت بسیار بهتری از ترافیک شهری ارائه نمود. در حوزه ترافیک شهری از این فناوری برای تعیین وضعیت جاده ها و ارتباط وسایل نقلیه در زمان واقعی با یکدیگر استفاده می شود. براین اساس، استفاده از ابعاد اجتماعی اینترنت وسایل نقلیه به منظور بهبود سیستم های ترافیک هم در ابعاد فنی و هم در ابعاد اجتماعی آنها بسیار مهم و حیاتی است. از مهمترین ویژگی های شبکه های بین خودرویی این است که وسایل نقلیه با سرعت بالا در حال حرکت هستند و توپولوژی شبکه مدام در حال تغییر است که این باعث می شود گره ها دائماً اطلاعات مسیریابی خود را به روز کنند. تغییرات سریع توپولوژی در ایـن شـبکه، چالشـی بـزرگ در مسـیریابی محسوب می شود. بنابراین، مسیریابی بـرای انتقـال داده در ایـن شبکه ها یـک مسـئله بسـیار مهـم و ضـروری اسـت [3]. بر این اساس، با توجه به این که بهره مندی از تکنیک ها و الگوریتم هایی که بتواند علاوه بر کاهش هزینه پیاده سازی، کارایی بالایی در مدیریت هوشمند ترافیک شهری را داشته باشد یک ضرورت است، این تحقیق به دنبال ارائه ی یک رویکرد هوشمند مدیریت ترافیک شهری با استفاده از اینترنت اجتماعی وسایل نقلیه و مبتنی بر الگوریتم فراابتکاری GSO و یادگیری تقویتی است.
|
|
Researchers
|
(Student)، Alireza Rouhi (Primary Advisor)، Asgarali Bouyer (Advisor)
|