Graf ve derin pekiştirme öğrenme tabanlı yeni bir trafik sinyalizasyon modeli

Authors : Erhan Turan, Beşir Dandıl, Engin Avcı

Pages : 85-102

Doi:10.17341/gazimmfd.1257860

View : 58 | Download : 103

Publication Date : 2024-08-16

Article Type : Research Paper

Abstract :Topolojik yapı ve kavşaktaki araçların bekleme süreleri, trafik sıkışıklığının genel nedenleri olarak gösterilir. Topolojik yapıdaki iyileştirmeler uzun ve maliyetli projeler sonucunda gerçekleşebildiğinden kavşak sinyalizasyon uygulamaları akıllı kentlerin vazgeçilmez uygulama alanı olmaktadır. Kavşak sinyalizasyon uygulamalarında kavşak bazında veya ağ genelinde, araçların birim zamanda maksimum akışını sağlamak için faz sırası ve süresi hesaplanır. Kavşak sinyalizasyon optimizasyonu birçok değişken veriden etkilenen, gerçek zamanlı bir gerçek dünya problemidir. Bu nedenle en verimli sinyalizasyon yöntemini geliştirmek halen çok sayıda çalışma yürütülmektedir. Bu çalışmada ağ genelinde kavşak noktalarındaki bekleme sürelerini azaltmak için yeşil fazın sırasını ve süresini optimize eden bir yaklaşım önerilmiştir. Bu yaklaşım, gerçek dünya haritasındaki şehir kavşakları birebir ölçeğine göre gerçek zamanlı araç verileriyle birlikte SUMO simülatörüne aktarılarak geliştirilmiştir. Graf tabanlı faz süresi ve Derin Pekiştirmeli Öğrenme (Deep Reinforcment Learning-DRL)’ ye dayalı faz sırası tahminini birleştirerek GDRL adlı yeni bir sinyalizasyon yaklaşımı önerilmiştir. Bu yaklaşımda faz sırası DRL yöntemiyle hesaplanmaktadır. Faz süresi ise Ford-Fulkerson algoritmasının maksimum akış bulma yönteminden yola çıkılarak hesaplanır. GDRL yaklaşımı gerçek haritadaki ardışık kavşaklar üzerinde paralel çalıştırılarak ve gerçek veriler kullanılarak SUMO simülatöründe test edilmiştir. GDRL yaklaşımının, kavşaklardaki kuyruk uzunluğunu % 44 oranla azaltarak, trafik sıkışıklığının çözümünde verimli sonuçlar ürettiği gözlemlenmiştir.
Keywords : Trafik sinyalizasyon, Derin Pekiştirmeli öğrenme, SUMO simülatörü