Отрывок: 3. Методы 3.1. Моделирование транспортных потоков Для того, чтобы смоделировать перекресток, мы использовали микросимулятор дорожного городского движения SUMO (Simulation of Urban MOility). В этом плане мы последовали за другими исследователями [17]. Пакет SUMO позволяет строить различные типы дорожных сетей, добавлять автомобили различных типов, строить их маршруты, а также устанавливать светофорные объекты и датчик...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Остапенко, П.В. | - |
dc.contributor.author | Султантемирова, К.А. | - |
dc.contributor.author | Сапрыкин, О.Н. | - |
dc.date.accessioned | 2020-08-05 12:11:55 | - |
dc.date.available | 2020-08-05 12:11:55 | - |
dc.date.issued | 2020 | - |
dc.identifier | Dspace\SGAU\20200804\85036 | ru |
dc.identifier.citation | Остапенко П.В. Адаптивное управление светофорным объектом на основе машинного обучения / П.В. Остапенко, К.А. Султантемирова, О.Н. Сапрыкин // Информационные технологии и нанотехнологии (ИТНТ-2020). Сборник трудов по материалам VI Международной конференции и молодежной школы (г. Самара, 26-29 мая): в 4 т. / Самар. нац.-исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем. обраб. изобр. РАН-фил. ФНИЦ "Кристаллография и фотоника" РАН; [под ред. В. А. Фурсова]. – Самара: Изд-во Самар. ун-та, 2020. – Том 4. Науки о данных. – 2020. – С. 691-698. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Adaptivnoe-upravlenie-svetofornym-obektom-na-osnove-mashinnogo-obucheniya-85036 | - |
dc.description.abstract | В данной статье рассматриваются основные причины возникновения транспортных заторов на дорогах города. Особое внимание обращается на современные методы адаптивного управления светофором как способ снизить время ожидания на регулируемом перекрестке. В статье излагаются современные подходы, основанные на применении методов искусственного интеллекта, а также известные проблемы данных методов. Авторами предложен метод оптимизации работы светофора на основе модифицированного алгоритма машинного обучения Q-learning. Метод апробирован на имитационной модели перекрестка Аврора-Партизанская города Самара. This article discusses the main causes of traffic congestion on the city roads. Particular attention is paid to modern methods of adaptive traffic control as a means to reduce the waiting time at a signaled crossing. The article outlines modern approaches based on the use of artificial intelligence methods, as well as the known issues of these methods. The authors propose a traffic light optimization method that is based on a modified Q-learning machine learning algorithm. The method was tested on a simulation model of the Aurora- Partizanskaya intersection in the city of Samara. | ru |
dc.language.iso | rus | ru |
dc.title | Адаптивное управление светофорным объектом на основе машинного обучения | ru |
dc.title.alternative | Adaptive traffic light control based on machine learning | ru |
dc.type | Article | ru |
dc.textpart | 3. Методы 3.1. Моделирование транспортных потоков Для того, чтобы смоделировать перекресток, мы использовали микросимулятор дорожного городского движения SUMO (Simulation of Urban MOility). В этом плане мы последовали за другими исследователями [17]. Пакет SUMO позволяет строить различные типы дорожных сетей, добавлять автомобили различных типов, строить их маршруты, а также устанавливать светофорные объекты и датчик... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
ИТНТ-2020_том 4-691-698.pdf | 832.01 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.