Geri Dön

Pekiştirmeli öğrenme tabanlı bağlam bilinçli akıllı trafik ışık kontrolü

Reinforcement learning based context aware intelligent traffic light control

PDF İndir

  1. Tez No: 795895
  2. Yazar: ÖMER FARUK SARAÇ
  3. Danışmanlar: DOÇ. DR. FERZAT ANKA
  4. Tez Türü: Doktora
  5. Konular: Bilim ve Teknoloji, Trafik, Science and Technology, Traffic
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Sabahattin Zaim Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 137

Özet

Bu çalışmanın konusunu trafik ışıklarının akıllı bir şekilde yönetilip, verimli bir trafik politikası arayışı için girdi sağlama kapsamı oluşturmaktadır. Çalışmada, bağlam bilinçli bir yaklaşım ile, pekiştirmeli öğrenme algoritmalarından yararlanılarak, trafik kavşaklarında trafik ışık politikasının zaman ve faz sıralamasını öğrenmek amaçlanmıştır. Hem tek bir kavşak için hem de birden çok kavşağın oluşturduğu sistem için model önerilmiştir. Gerçek trafik verilerinin kullanımı ile yapılan testlerde, önerilen model ile sabit süreli trafik ışık politikası karşılaştırılmıştır. Tek kavşak sistemleri için faz süre ve sıralamaları, çoklu kavşak sistemleri için de tüm kavşakları bağımsız bir şekilde kapsayacak düzeyde faz süre ve sıralamaları tahmin edilmiştir. Ayrıca trafikte gerçekleşecek acil durum senaryolarının, ortaya konan model içerisinde tek kavşak için iyileştirme önerisi ile, kapsayıcı bir akıllı trafik ışık yönetimi modeli çalışılmıştır. Testlerde gözlemlenen sonuçlara göre, sabit süreli ve sabit sıralaması olan kavşak sistemlerine göre, önerilen modeller daha başarılı sonuçlar üretmiş ve trafik akışı daha verimli olmuştur. %20 ila %40 arası verim artışının gözlemlendiği sonuçlarda, önerilen model sayesinde kavşak düzenleri için daha uygun ve öğrenen trafik politikaları geliştirilebilecektir.

Özet (Çeviri)

This study aims at intelligent management of traffic lights and providing input for an efficient traffic policy search. In the study, adaptive models proposed to learn the time and phase sequence of the traffic lights at traffic intersections by using reinforcement learning algorithms with a context-aware approach. Proposed models cover both of a single intersection and a system formed by multiple intersections. Real traffic data is used in testing process and tests are held for both the proposed model and the fixed-time traffic light policy. Phase durations and sequences were estimated for single-intersections systems. Phase durations and sequences also estimated for multiple intersections with the scope of all intersections independently for multi-junction systems. Based on intelligent traffic light management, an inclusive smart traffic light management model has been studied with an improvement proposal for a single intersection within the model that will occur in traffic emergency scenarios also included. According to the results observed in the tests, the proposed models produced more successful results and the traffic flow was more efficient compared to the fixed duration and fixed sequence approach. Increase in efficiency between 20% and 40% is observed with proposed model. Therefore, more appropriate and learning traffic policies for intersection layouts could be developed with the use of the proposed model.

Benzer Tezler

  1. Tez No

    901593

    Network digital twins: Tackling challenges and enhancing wireless network management

    Ağ dijital ikizleri: Sorunları ele alma ve kablosuz ağ yönetimini geliştirme

    ELİF AK

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BERK CANBERK

  2. Tez No

    945211

    Reinforcement learning for automatic ground collision avoidance system of fighter jets: sequential maneuver primitive approach

    Savaş jetlerinin otomatik yer çarpışmasından kaçınma sistemi için pekiştirmeli öğrenme: sıralı manevra primitif yaklaşımı

    FATİH EROL

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAYRİ ACAR

  3. Tez No

    959016

    Evaluating performance of large language models in bluff-based card games: A comparative study

    Blöf temelli kart oyunlarında büyük dil modeline ait performans değerlendirilmesi: Karşılaştırmalı bir çalışma

    İREM ŞALK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    PROF. DR. SANEM SARIEL UZER

  4. Tez No

    934004

    Optimizing medical dialogue systems with reinforcement learning from human feedback architectures

    İnsan geri bildiriminden öğrenme mimarileriyle tıbbi diyalog sistemlerinin optimizasyonu

    ABDUL REHMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. ALİ OKATAN

  5. Tez No

    954024

    Context aware task orchestration with deepreinforcement learning in real time fogcomputing simulation environment

    Gerçek zamanlı sis bilişim simülasyon ortamında derin pekiştirmeli öğrenme ile bağlam farkındalıklı görev orkestrasyonu

    ALP GÖKHAN HOŞSUCU

    Doktora

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SUAT ÖZDEMİR

Geri Dön