مدل بهينه‌سازي نرخ ورودي رمپ، سرعت مجاز متغير و عوارض بزرگراهي مبتني بر يادگيري تقويتي

رشد بدون توقف عبور و مرور شهري در بزرگراه‌ها منجر به ايجاد تداخلات ترافيكي و ايجاد صف‌هاي طولاني، افزايش زمان سفر، انتشار آلودگي‌هاي زيست‌محيطي شده است. ازآنجايي‌كه توسعه‌ي گسترده‌ي زيرساخت‌ها نمي‌تواند راهكاري دائمي براي حل اين معضلات باشد مي‌بايست از تسهيلات موجود بهره‌برداري بهينه صورت گيرد. روش‌هاي متعددي ازجمله كنترل نرخ ورودي رمپ، سرعت مجاز متغير، كنترل تغيير خط، اعمال عوارض و ... تا امروز براي مديريت بزرگراهي موردمطالعه قرارگرفته‌ و اثربخش بوده‌اند. يكي از رويكردها براي بهبود عملكرد اين كنترل‌ها پياده‌سازي هم‌زمان و هماهنگ آن‌هاست. در اين مقاله به بررسي اثر پياده سازي هماهنگ سه كنترل نرخ ورودي رمپ، سرعت مجاز متغير و عوارض بزرگراهي بر شرايط ترافيكي شبكه بزرگراهي پرداخته شده است. براي اين منظور از روش يادگيري تقويتي و عامل بهينه ساز مبدائي جهت مديريت مقادير كنترلي به‌صورت متغير استفاده‌شده است. داده‌هاي ترافيكي ابتدا به‌وسيله‌ي مدل‌هاي حافظه بلند مدت – كوتاه مدت پيش‌بيني‌شده و سپس به شبيه‌سازي نرم‌افزار سومو داده مي‌شوند. مدل كنترل‌گر مبتني بر يادگيري تقويتي سپس بر اساس خروجي‌هاي شبيه‌سازي، مقادير نرخ رمپ، سرعت مجاز و عوارض را انتخاب و بر روي شبكه اعمال مي‌نمايد. نتايج مدل پيشنهادي تأثير بسزاي آن در بهبود پارامترهاي ترافيكي را نشان مي‌دهد. اين مدل ميانگين زمان سفر را به ميزان 11.5 درصد نسبت به شرايط بدون كنترل كاهش داده كه نسبت به مدل‌هاي يك يا دو كنترله بهترميباشد. ضمنا در شرايط تصادف در شبكه نيز شرايط نسبت به وضعيت بدون كنترل بهتر بوده است. اين نتايج اثربخشي رويكرد ادغام كنترل‌ها در بهبود كارايي مديريت بزرگراهي را نشان مي‌دهد.