کنترل ترافیک یک چهارراه راهنمایی رانندگی با استفاده از الگوریتم های یادگیری تقویتی (یادگیری-Q، سارسا و مسیرهای شایستگی)

یکی از مهمترین اهداف پژوهش در حوزه حمل و نقل، بهینه کردن جریانهای ترافیک است. امروزه با افزایش وسایل نقلیه به طور پیوسته، محدودیت در منابع ارائه شده توسط زیر ساختهای فعلی و ماهیت غیرخطی، پویا و تصادفی بودن جریان ترافیک، استفاده از روش های هوشمند در کنترل ترافیک به خصوص روش های حل مساله یادگیری تقویتی حائز اهمیت است. روش یادگیری تقویتی علاوه بر سادگی و نداشتن پیچیدگی محاسباتی، در عمل بی نیاز به مدل ریاضی محیط می باشد و خاصیت تطبیق پذیری با شرایط محیط و مقاوم بودن در برابر تغییرات محیطی را دارد. در این مقاله کنترل ترافیک یک تقاطع با سه روش از زیر روش های حل مساله یادگیری تقویتی (یادگیری-Q، سارسا و مسیرهای شایستگی) انجام شده است. نتایج شبیه سازی حاکی از آن است که مسیرهای شایستگی یک روش کنترلی بروزتر و بهینه تر نسبت به دو روش یادگیری-Q و سارسا که پیشتر در مقالات کنترل ترافیک مورد استفاده قرار گرفته است، می باشد.