UrbanFlow-RL
Kategori: Makine Öğrenmesi
Tür: TÜBİTAK
Hedefler: Şehir içi kavşaklarda sinyal zamanlamasını optimize ederek ortalama bekleme süresini ve kuyruk uzunluklarını azaltmak. Trafik akışını artırarak yolculuk sürelerini ve yakıt tüketimini düşürmek. Farklı ağ topolojileri ve yoğunluk senaryolarında genellenebilir ve ölçeklenebilir kontrol politikaları geliştirmek.
Kullanılan Teknolojiler: Pekiştirmeli öğrenme (DQN, MDQN, IDQN, MPLight, bölgesel/merkezileştirilmiş yaklaşımlar) SUMO mikroskobik trafik simülatörü entegrasyonu Python, PyTorch Otomatik eğitim/izleme ve sonuç analiz araçları (CSV/JSON çıktılar, görselleştirme)
Proje Açıklaması
UrbanFlow-RL, SUMO üzerinde farklı şehir ağı senaryolarında kavşak sinyal kontrolünü öğrenen bir yapay zekâ sistemidir. Ajanlar; araç akışı, kuyruklar ve bekleme sürelerinden türetilen gözlemlerle eylem seçer, ödül sinyaliyle politikalarını günceller. Merkezî, bağımsız ve bölgesel DQN türevleri ile MPLight gibi yöntemler karşılaştırmalı olarak eğitilir. Çıktılar sistematik olarak kaydedilip kıyaslanır; böylece daha akıcı, enerji verimli ve ölçeklenebilir trafik yönetimi hedeflenir.
