ARAÇLARIN KRİTİK ARALIK KABUL KARARLARININ PEKİŞTİRMELİ ÖĞRENMEYLE SİMÜLASYONU

• Main Author: Bekir Oğuz Bartın
• Format: Article
• Language: English
• Published: Bursa Uludag University 2017-09-01
• Series: Uludağ University Journal of The Faculty of Engineering
• Subjects: reinforcement learning; traffic simulation; gap acceptance; paramics; traffic circle; pekiştirmeli öğrenme; mikroskobik trafik simülasyonu; kritik aralık kabulu; dönel kavşak
• Online Access: https://dergipark.org.tr/tr/pub/uumfd/issue/30563/338803
• ISSN: 2148-4147; 2148-4155

Bu çalışma pekiştirmeli öğrenme yöntemini kullanarak araçların kritik aralık kabul kararlarının basit bir T-kavşakta modellemesini sunmaktadır. Önerilen yaklaşım araçların ulaşım ağlarındaki nihai amaçlarının bekleme sürelerini ve risklerini optimize edeceklerini varsayarak basit bir kritik aralık kabul kararını pekiştirmeli öğrenme problemine çevirmektedir. Trafik simülasyon yazılımında sürücüler kararlarının yol açacağı sonuçları bilmeyerek hareket eder, fakat bir çok simülasyon episodu sonrasında eylemlerinin sonuçlarını bekleme süresi ve risk şeklinde öğrenmeye başlarlar. Gerçek bir dönel kavşağın Paramics trafik simülasyon modeli deneysel analizler için kullanılmıştır. Elde edilen sonuçlara göre kullanılan bu simülasyon modeli “Q-learning” öğrenme yöntemi kullanılınca sürücülerin kritik aralık kabul kararlarının doğrulaması kolaylıkla yapılabilmektedir.