کتاب صوتی ادغام داده‌های حسی و شبکه‌ای در MARL برای حمل و نقل شهری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ادغام داده‌های حسی و شبکه‌ای در MARL برای حمل و نقل شهری

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل هوشمند در مقیاس شهری با ادغام داده‌های واقعی

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم پایه‌ای سیستم‌های حمل و نقل هوشمند (ITS) و مدیریت ترافیک شهری
• 2. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL) و ساختار تصمیم‌گیری توزیع‌شده در شهرها
• 3. شناخت انواع داده‌های حسی و شبکه‌ای در بستر شهرهای هوشمند و ترافیک
• 4. روش‌های پیش‌پردازش، پاکسازی و همگام‌سازی داده‌های لحظه‌ای ترافیک
• 5. مدل‌سازی شبکه معابر شهری به صورت گراف‌ها و شبکه‌های عصبی گرافی (GNN)
• 6. تعریف فضاها و متغیرهای حالت، عمل و پاداش در کنترل ترافیک مبتنی بر MARL
• 7. ادغام داده‌های سنسورهای جاده‌ای، دوربین‌ها و GPS در مدل‌های یادگیری
• 8. معماری‌های یادگیری مرکزی با اجرای غیرمرکزی (CTDE) در مدیریت ترافیک
• 9. پیاده‌سازی الگوریتم‌های پیشرفته MARL مانند MAPPO، QMIX و MADDPG در شبیه‌سازها
• 10. مدیریت پویایی‌های ترافیک و پیش‌بینی تراکم خودروها با استفاده از داده‌های شبکه‌ای
• 11. کنترل هوشمند چراغ‌های راهنمایی و رانندگی به صورت هماهنگ در مقیاس شبکه شهری
• 12. بهینه‌سازی جریان ترافیک عمومی و مدیریت مسیر وسایل نقلیه خودران
• 13. بررسی چالش‌های مقیاس‌پذیری در پیاده‌سازی سیستم‌های چندعامله بزرگ‌مقیاس
• 14. مدیریت عدم قطعیت و نویز داده‌های حسی در محیط‌های واقعی شهری
• 15. شبیه‌سازی سناریوهای بحران ترافیکی و تصادفات با استفاده از پلتفرم‌های تخصصی (SUMO و غیره)
• 16. تلفیق داده‌های اینترنت اشیاء (IoT) با عامل‌های هوشمند جهت تصمیم‌سازی آنی
• 17. بهینه‌سازی مصرف انرژی و کاهش انتشار گازهای گلخانه‌ای از طریق کنترل ترافیک هوشمند
• 18. ارزیابی عملکرد و شاخص‌های کلیدی کارایی (KPIs) در سیستم‌های حمل و نقل مبتنی بر MARL
• 19. چالش‌های پیاده‌سازی عملیاتی و تبادل داده در زیرساخت‌های واقعی شهرهای هوشمند
• 20. پروژه جامع: طراحی، پیاده‌سازی و ارزیابی یک سیستم مدیریت ترافیک شهری با MARL