ترجمه فارسی مقاله اولویت‌بندی تطبیقی ​​سیگنال حمل و نقل عمومی مبتنی بر یادگیری تقویتی عمیق و وسایل نقلیه متصل در یک محیط شبیه‌سازی ترافیکی

چکیده

Model free reinforcement learning (RL) provides a potential alternative to earlier formulations of adaptive transit signal priority (TSP) algorithms based on mathematical programming that require complex and nonlinear objective functions. This study extends RL – based traffic control to include TSP. Using a microscopic simulation environment and connected vehicle data, the study develops and tests a TSP event-based RL agent that assumes control from another developed RL – based general traffic signal controller. The TSP agent assumes control when transit buses enter the dedicated short-range communication (DSRC) zone of the intersection. This agent is shown to reduce the bus travel time by about 21%, with marginal impacts to general traffic at a saturation rate of 0.95. The TSP agent also shows slightly better bus travel time compared to actuated signal control with TSP. The architecture of the agent and simulation is selected considering the need to improve simulation run time efficiency.

چکیده به فارسی (ترجمه ماشینی)

مدل یادگیری تقویت کننده رایگان (RL) جایگزین بالقوه ای برای فرمولاسیون های قبلی الگوریتم های اولویت سیگنال ترانزیت تطبیقی ​​(TSP) بر اساس برنامه نویسی ریاضی است که به عملکردهای هدف پیچیده و غیرخطی نیاز دارند.این مطالعه کنترل ترافیک مبتنی بر RL را شامل می شود که شامل TSP است.این مطالعه با استفاده از یک محیط شبیه سازی میکروسکوپی و داده های وسیله نقلیه متصل ، یک عامل RL مبتنی بر رویداد TSP را توسعه داده و آزمایش می کند که کنترل خود را از یک کنترل کننده سیگنال ترافیک عمومی مبتنی بر RL ایجاد می کند.عامل TSP هنگامی که اتوبوس های ترانزیت وارد منطقه ارتباطات کوتاه مدت (DSRC) تقاطع می شوند ، کنترل را فرض می کند.این عامل نشان داده شده است که زمان سفر اتوبوس را حدود 21 درصد کاهش می دهد و تأثیرات حاشیه ای به ترافیک عمومی با میزان اشباع 0.95 است.عامل TSP همچنین زمان سفر با اتوبوس را در مقایسه با کنترل سیگنال فعال شده با TSP نشان می دهد.معماری عامل و شبیه سازی با توجه به نیاز به بهبود راندمان زمان اجرای شبیه سازی انتخاب می شود.