Optimizing path planning for reduced congestion using reinforcement learning
Pekiştirmeli öğrenme ile trafik sıkışıklığını azaltmada yol planlamasının optimizasyonu
- Tez No: 881626
- Danışmanlar: PROF. DR. TUNA TUĞCU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Şehirlerdeki aşırı nüfus yoğunluğu mevcut altyapının sınırlarını zorlayan trafik yoğunluğunu arttırmaktadır. Özellikle kalabalık saatlerde, trafik sadece değerli zamanı tüketmekle kalmıyor, aynı zamanda hava kirliliğine, artan yakıt tüketimine ve olumsuz psikolojik etkilere de neden oluyor. Yol genişletme veya toplu taşımayı teşvik etme gibi geleneksel çözümler, büyüyen bu sorunla başa çıkmak için yeterli kalmamaktadır. Bu bağlamda, otonom sürüş teknolojisi, gelişmiş sürücü yardım sistemleri, yol altyapısındaki IoT entegrasyonunun geliştirilmesi ve yaygın internet erişimi, araçları daha akıllı hale getirmekte ve taşımacılık sektörünü dönüştürmektedir. Günümüzde birçok sürücü, varış yerlerine göre en az yoğun ve en hızlı rotaları belirlemek için GPS tabanlı rota planlama uygulamalarına güvenmektedir. Ancak, bu uygulamalar çoğunlukla bireysel sürücüler için rotaları optimize etmeye odaklanmakta ve diğer araçların durum bilgilerinin eksikliği nedeniyle yoğunluğu yanlış tahmin edebilmektedir. çok ajanlı yol bulma alanındaki mevcut literatürü takip ederek, bu tezde trafik yoğunluğu sorunlarını hafifletmek için yenilikçi bir yaklaşım önerilmektedir. Metodolojimiz, sistem genelindeki en iyiliği vurgulamakta ve mevcut yol ağının verimliliğini en üst düzeye çıkarmaktadır. Bir pekiştirmeli öğrenme algoritması ve ölçeklenebilir bir orkestrasyon mimarisi uygulayarak, bireysel merkezli rota çözümlerine kıyasla genel trafik yoğunluğunda ve yolculuk süresinde bir azalma göstermekteyiz.
Özet (Çeviri)
Overpopulation in urbanized areas has been causing traffic density to increase and push the boundaries of the existing infrastructure units. Especially during peak hours, many people suffer from the congestion they encounter in their everyday commute. Aside from the time being spent on the road, traffic also causes air pollution, increased gas consumption, and even negative psychological impacts. Expanding existing roads with new lines, or promoting public transportation do not balance out the increasing congestion, and there is a need for an alternative approach to path planning. Autonomous driving technology, driving assistance software, increased IoT installations in road infrastructure, and the accessibility of the internet make modern vehicles smarter each day and revolutionize the transportation industry. Today, many drivers make their route planning based on path suggestion applications using GPS. With the help of these applications, drivers can see the least congested and fastest routes possible based on their destination locations. However, these applications provide individual-optimum solutions for the driver and may fail to estimate congestion correctly due to the lack of other vehicles' path information. Following the literature in the multi-agent path-finding domain, a new solution is proposed for the congestion problem. The solution is based on prioritizing system optimality and increasing the utilization of existing road networks. By using a reinforcement learning algorithm and a scalable orchestration architecture it is shown that overall congestion is reduced and less time is spent on the roads compared with individual-oriented solutions.
Benzer Tezler
- Tersane yerleşimi optimizasyonu ve simülasyonu
Shipyard layout optimization and simulation
SALİM TAMER
Doktora
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. BARIŞ BARLAS
- Büyük ölçekli havayolu ekip eşleme problemlerinin çözümü için bir kolon türetme stratejisi
A column generation strategy for large scale airline crew pairing problems
BAHADIR ZEREN
Doktora
Türkçe
2017
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM OZKOL
- Endüstriyel zaman robotlarda optimal yörünge kontrolü
Time optimal path control for industrial robots
MEHMET ÜNLÜEL
Yüksek Lisans
Türkçe
2015
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL
- Konfeksiyon işletmelerinde üretim planlaması ve optimizasyon çalışmaları
Production planning and optimization studies on ready made clothes running
ÜLKÜ ALPTEKİN
Yüksek Lisans
Türkçe
1994
Tekstil ve Tekstil Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. MUSTAFA KÖSEOĞLU