27842

مدل پوياي بهينه¬سازي مديريت يكپارچه بزرگراهي

كارشناسي ارشد

مهندسي عمران گرايش حمل و نقل

1398

1401/07/30

دكتر شهريار افندي زاده زرگري

مهندسي عمران

رشد بدون توقف عبور مرور شهري به‌خصوص در بزرگراه‌ها منجر به ايجاد تداخلات ترافيكي، صف‌هاي طولاني، افزايش زمان سفر، زيادشدن احتمال تصادفات و ايجاد انواع آلودگي‌هاي محيط زيستي شده است. ازآنجايي‌كه توسعه‌ي گسترده‌ي زيرساخت‌ها نمي‌تواند راهكاري هميشگي براي حل اين‌گونه معضلات باشد مي‌بايست از تسهيلات موجود بهره‌برداري بهينه صورت گيرد. روش‌هاي متعددي ازجمله كنترل ورودي رمپ، سرعت مجاز متغير، كنترل تغيير خط و اعمال عوارض تا امروز براي اعمال كنترل بر روي بزرگراه‌ها موردمطالعه و بررسي قرارگرفته‌اند. يكي از رويكردها براي بهبود عملكرد اين كنترل‌ها ادغام و پياده‌سازي هم‌زمان و هماهنگ شده‌ي آن‌هاست. در اين پايان‌نامه به بررسي اثر تركيب سه كنترل هم‌زمان ورودي رمپ، سرعت مجاز و عوارض بزرگراهي بر شرايط ترافيكي شبكه بزرگراهي پرداخته‌شده است. مديريت هم‌زمان اين سه كنترل نيازمند معرفي ابزاري به نام كنترل‌گر (با عامل و الگوريتم بهينه‌ساز نيز ياد مي‌شود) مي¬باشد كه براي مقدار نرخ رمپ، سرعت مجاز و عوارض تصميم¬گيري كند. ضمن اين¬كه كنترل‌هاي ترافيكي زماني كه متناسب با وضعيت ترافيكي شبكه تغيير كنند موثر¬ترند. براي اين منظور از مدل¬هاي يادگيري تقويتي براي مديريت مقادير كنترلي به‌صورت متغير استفاده‌شده است. داده‌هاي ترافيكي كه به صورت احجام بين هر زوج مبدا-مقصد در بازه¬هاي ده دقيقه¬اي مي¬باشند ابتدا توسط مدل‌ مبتني بر شبكه عصبي پيش‌بيني‌شده و سپس به نرم‌افزار شبيه‌سازي سومو داده مي‌شوند. مدل كنترل‌گر سپس بر اساس خروجي‌هاي شبيه‌سازي مقادير نرخ رمپ، سرعت مجاز و عوارض را انتخاب و بر روي شبكه اعمال مي‌نمايد. هدف مدل ساخته‌شده بهبود وضعيت ترافيكي بوده و همچنين قابليت مدل در كنترل ترافيك در صورت وقوع تصادف نيز بررسي گرديده است. نتايج پياده‌سازي مدل تأثير بسزاي آن در بهبود پارامترهاي ترافيكي شامل ميانگين زمان سفر، ميانگين سرعت خودروها، ميانگين زمان انتظار، طول صف و ميانگين تراكم شبكه را نشان مي‌دهد. اين مدل ميانگين زمان سفر را به ميزان 11.5 درصد نسبت به شرايط بدون كنترل كاهش داده كه مقدار بيشتري نسبت به تأثير كنترل‌هاي منفرد يا تركيب دوتايي از كنترل‌هاي ذكرشده مي‌باشد. تركيب كنترل سرعت با كنترل نرخ ورودي رمپ منجر به كاهش طول صف ايجادشده در رمپ‌هاي ورودي گشته و كنترل عوارض نيز رانندگان را به مسيريابي مناسب‌تري سوق مي‌دهد. همچنين بررسي توانايي مدل كنترل‌گر براي مديريت شبكه در صورت رخ دادن تصادف نشان داد كنترل پيشنهادي مي‌تواند شرايط شبكه را نسبت به وضعيت بدون كنترل به شكل قابل‌ملاحظه‌اي بهبود ببخشد كه كاهش 25 درصدي زمان انتظار و 24 درصدي طول صف نشان‌دهنده‌ي اين موضوع مي‌باشد.

1401/11/12

A Dynamic model of integrated highway management optimization

10/22/2023 12:00:00 AM

The non-stop growth of urban traffic, especially on highways, has led to traffic jams and, as a result, long queues, increased travel time, increased chances of accidents, and environmental pollution. Since the extensive development of infrastructures cannot be a permanent solution to solve such problems, the existing facilities should be used optimally and appropriately. Several methods, such as ramp metering control, variable speed limit, lane change control, tolls, etc., have been studied and investigated to control highways. One of the approaches to improve the performance of these controls is their simultaneous and coordinated integration and implementation. In this thesis, we will investigate the effect of the combination of three concurrent controls of ramp metering, variable speed limit, and highway tolls on the traffic conditions of the highway network. For this purpose, the reinforcement learning method has been used to manage the control values as variables. Traffic data is first predicted by predictive models based on neural networks and then given to the simulation of Sumo software. The controller model then selects the ramp rate, speed limit, and toll values based on the simulation outputs and applies them to the network. The results of implementing the proposed model show the significant impact of the model in improving traffic parameters such as average travel time, the average speed of cars, waiting time, queue length, average network density, and the number of vehicles arriving at their destination. The model reduced the average travel time by 11.5% compared to the condition without controls, which is more than the effect of implementing single controls or a double combination of the mentioned methods. In addition, in the event of an accident in the network, the proposed management can significantly improve the network conditions compared to the situation without control.

كنترل نرخ رمپ , سرعت مجاز متغير , عوارض بزرگراهي , يادگيري تقويتي

ramp metering , variable speed limit , highway toll , reinforcement learning

mohamad ali hasanzade

shahriar afandizade