Régulation du trafic urbain par renforcement profond

Inès Benjaafar, Roya Benmahmoud

88 pages, parution le 25/05/2022

Ajouter à une liste

Expédié sous 9 jours

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

QUANTITÉ

Résumé

La congestion est considérée comme l'un des problèmes majeurs dans la plupart des grandes villes dans le monde entier et spécifiquement dans les zones urbaines. Elle conduit à plusieurs autres problèmes comme la perte de temps et les longues files d'attente sur les routes qui peuvent provoquer des accidents. Pour la résolution de ce problème, nous proposons un modèle d'apprentissage par renforcement profond avec une représentation d'état qui identifie la position des véhicules dans l'environnement, un ensemble d'actions défini par des configurations de feux de signalisation avec une durée fixe, et une fonction de récompense qui capture la différence des temps d'attente des véhicules entre les actions. Pour mettre en oeuvre le modèle, l'approche d'apprentissage appliquée est le Q-learning combiné à un réseau neuronal profond. Les résultats indiquent que le modèle proposé peut s'adapter à plusieurs situations de circulation et est capable de surpasser le système de feux de signalisation statiques dans les Scénario à faible trafic.

Caractéristiques techniques

	PAPIER
Éditeur(s)	Editions universitaires européennes
Auteur(s)	Inès Benjaafar, Roya Benmahmoud
Parution	25/05/2022
Nb. de pages	88
Format	15 x 22
Couverture	Broché
Poids	131g
EAN13	9783639623093