협력 게임 및 강화 학습 기반 대중교통 신호 우선권 제어 방법

แนวคิดหลัก

협력 게임 이론과 강화 학습을 결합한 새로운 8상 신호 제어 방법을 통해 대중교통 우선권을 보장하면서도 전체 교통 효율을 향상시킬 수 있다.

บทคัดย่อ

이 연구는 대중교통 신호 우선권 제어를 위한 새로운 8상 신호 제어 방법을 제안한다. 이 방법은 협력 게임 이론과 강화 학습을 결합한 하이브리드 의사결정 프레임워크를 활용한다.

먼저 신호 제어 문제를 다중 목표 의사결정 문제로 모델링하고, 협력 게임 모델을 통해 우선 신호와 비우선 신호를 구분한다. 이를 바탕으로 개발된 CBQL 알고리즘은 8상 신호 제어 시퀀스의 다중 목표 의사결정 문제를 효과적으로 해결한다.

Shapley 가치 함수를 계산하여 각 참여자의 한계 기여도를 정량화하고, 이를 통해 상태 전이 확률 방정식을 구축한다. 이를 통해 실시간 교통 상황에 따라 신호 시간을 동적으로 조정할 수 있어, 기존 방식에 비해 신호 제어의 유연성과 효율성이 크게 향상된다.

시뮬레이션 실험 결과, 제안 방법은 기존 방식에 비해 네트워크 안정성이 크게 향상되었고, 대중교통 평균 통행 시간을 약 24.57% 단축할 수 있었다. 또한 대중교통 차량의 평균 통행 시간을 약 37.40% 감소시켰다. 이를 통해 제안 방법이 대중교통 우선권을 보장하면서도 전체 교통 효율을 향상시킬 수 있음을 확인하였다.

สถิติ

제안 방법(CBQL-TSP)의 대중교통 평균 통행 시간은 520.63초로, 기존 방식(MB-TSP, ASC-TSP, MP-TSP)에 비해 약 24.57% 감소했다.
제안 방법(CBQL-TSP)의 대중교통 평균 통행 시간은 468.22초로, 대중교통 우선권이 없는 경우(CBQL-noTSP)의 747.93초에 비해 약 37.40% 감소했다.

คำพูด

"협력 게임 이론과 강화 학습을 결합한 새로운 8상 신호 제어 방법을 통해 대중교통 우선권을 보장하면서도 전체 교통 효율을 향상시킬 수 있다."
"제안 방법은 기존 방식에 비해 네트워크 안정성이 크게 향상되었고, 대중교통 평균 통행 시간을 약 24.57% 단축할 수 있었다."

ข้อมูลเชิงลึกที่สำคัญจาก

Collaborative Control Method of Transit Signal Priority Based on Cooperative Game and Reinforcement Learning

by Hao Qin,Weis... ที่ arxiv.org 05-01-2024

https://arxiv.org/pdf/2404.19683.pdf