ترجمه فارسی مقاله کاهش مشاهدات جزئی در کنترل سیگنال ترافیک سازگار با ترانسفورماتورها

چکیده

Efficient traffic signal control is essential for managing urban transportation, minimizing congestion, and improving safety and sustainability. Reinforcement Learning (RL) has emerged as a promising approach to enhancing adaptive traffic signal control (ATSC) systems, allowing controllers to learn optimal policies through interaction with the environment. However, challenges arise due to partial observability (PO) in traffic networks, where agents have limited visibility, hindering effectiveness. This paper presents the integration of Transformer-based controllers into ATSC systems to address PO effectively. We propose strategies to enhance training efficiency and effectiveness, demonstrating improved coordination capabilities in real-world scenarios. The results showcase the Transformer-based model’s ability to capture significant information from historical observations, leading to better control policies and improved traffic flow. This study highlights the potential of leveraging the advanced Transformer architecture to enhance urban transportation management.

چکیده به فارسی (ترجمه ماشینی)

کنترل کارآمد سیگنال ترافیک برای مدیریت حمل و نقل شهری ، به حداقل رساندن احتقان و بهبود ایمنی و پایداری ضروری است.یادگیری تقویت کننده (RL) به عنوان یک رویکرد امیدوار کننده برای تقویت سیستم های کنترل سیگنال ترافیک تطبیقی ​​(ATSC) ظاهر شده است ، و به کنترل کننده ها امکان می دهد تا از طریق تعامل با محیط ، سیاست های بهینه را بیاموزند.با این حال ، چالش ها به دلیل مشاهده جزئی (PO) در شبکه های راهنمایی و رانندگی ، که در آن عوامل دارای دید محدود هستند ، بوجود می آیند و مانع اثربخشی می شوند.در این مقاله ادغام کنترل کننده های مبتنی بر ترانسفورماتور در سیستم های ATSC برای پرداختن به PO به طور مؤثر ارائه شده است.ما استراتژی هایی را برای تقویت بهره وری و اثربخشی آموزش ارائه می دهیم ، و توانایی های هماهنگی بهبود یافته در سناریوهای دنیای واقعی را نشان می دهیم.نتایج نشان می دهد توانایی مدل مبتنی بر ترانسفورماتور در گرفتن اطلاعات مهم از مشاهدات تاریخی ، منجر به سیاست های کنترل بهتر و بهبود جریان ترافیک می شود.این مطالعه پتانسیل استفاده از معماری پیشرفته ترانسفورماتور را برای تقویت مدیریت حمل و نقل شهری برجسته می کند.