Back to search

National and Kapodistrian University of Athens

Αναζήτηση θέσης στάθμευσης οχήματος με χρήση νοημοσύνης σμήνους

Abstract

dc:description

Η συγκεκριμένη έρευνα έγινε στα πλαίσια διπλωματικής εργασίας για την απόκτηση μεταπτυχιακού διπλώματος και περιλαμβάνει θεωρητικό κομμάτι αλλά και την ανάπτυξη αλγορίθμου που πραγματεύεται τη λύση του προβλήματος που μελετήθηκε καθώς και κώδικα για την υλοποίηση των προσομοιώσεων και των πειραμάτων. Αντικείμενο της εργασίας είναι η χρήση τεχνικών μηχανικής μάθησης / τεχνητής νοημοσύνης με σκοπό τη βελτιστοποίηση του χρόνου εύρεσης θέσης στάθμευσης στις σύγχρονες πόλεις και σε περιβάλλοντα τα οποία είναι σχεδόν κορεσμένα. Πιο συγκεκριμένα, εστιάζουμε στο κομμάτι της βελτιστοποίησης με τη βοήθεια της νοημοσύνης σμήνους και κυρίως μια παραλλαγή ενός ήδη υπάρχοντος αλγορίθμου. Η μέθοδος που προτείνεται είναι βασισμένη στον αλγόριθμο Ant Colony Optimization (ACO). Ο αλγόριθμος ACO είναι εμπνευσμένος από τη φύση και ειδικότερα από τις αποικίες των μυρμηγκιών. Το πρώτο σύστημα που υλοποίησε τον ACO εισήχθη από τον Marco Dorigo. Ο ACO είναι ένας μεθευριτικός αλγόριθμος γενικού σκοπού, ο οποίος μπορεί να χρησιμοποιηθεί για την επίλυση NP-complete προβλημάτων και είχε πολλές εξελίξεις. Ο αλγόριθμος ACO αποτελεί ιδανική λύση για δίκτυα που χαρακτηρίζονται από αυτονομία, λόγω της αυτοργάνωσης που παρουσιάζει. Κρατώντας τα στοιχεία της αυτοργάνωσης και της αυτονομίας του αρχικού αλγορίθμου στους πράκτορες του συστήματος, για τη λύση του προβλήματος της εύρεσης θέσης στάθμευσης σε εύλογο χρόνο χρησιμοποιήθηκε μια ανάστροφη παραλλαγή του ACO που από εδώ και πέρα θα ονομάζουμε βελτιστοποίηση ανεστραμμένης αποικίας μυρμηγκιών (IACO). Το σύστημα που προτείνεται αποτελείται από ισάξιους πράκτορες - οχήματα χωρίς ιδιαίτερη νοημοσύνη. Αποστολή του καθενός πράκτορα είναι η ταχύτερη εύρεση θέσης στάθμευσης σε μια περιοχή κοντινή του προορισμού κάθε οχήματος – πράκτορα. Έτσι φαίνεται πως δημιουργούνται σχέσεις ανταγωνισμού ανάμενα στους πράκτορες και όχι σχέσεις συνεργασίας, όπως για παράδειγμα στη φυσική περίπτωση μιας αποικίας μυρμηγκιών. Έτσι, ενώ οι φερομόνες που αφήνουν τα μυρμήγκια στα μονοπάτια τα οποία κινούνται είναι σήματα επικοινωνίας για ισχυροποίηση ενός μονοπατιού, στον αλγόριθμο που περιγράφουμε παρακάτω είναι σημάδια αποφυγής μια διαδρομής. Η αποφυγή επιλέγεται σε ένα μονοπάτι με μεγαλύτερη φερομόνη από ένα άλλο, αφού μια θέση στάθμευσης σε ένα τέτοιο μονοπάτι έχει πιο πολλές πιθανότητες να καλυφθεί από ανταγωνιστές πράκτορες που αναζητούν και αυτοί θέση στάθμευσης. Παρόλη τη σχέση ανταγωνισμού στο περιγραφόμενο σύστημα, φαίνεται πως ένας αλγόριθμος συνεργασίας των πρακτόρων ωφελεί το σύνολο και κατ’ επέκταση και τον εκάστοτε πράκτορα. Έτσι, με τη χρήση του συνεργατικού συστήματος νοημοσύνης σμήνους, από τα πειραματικά αποτελέσματα φαίνεται ότι μειώνεται ο χρόνος αναζήτησης θέσης στάθμευσης και κατ’ επέκταση η γενικότερη κίνηση σε τοπικό αλλά και γενικευμένο επίπεδο. Το προτεινόμενο σύστημα, όπως και τα περισσότερα συστήματα νοημοσύνης σμήνους, έχει εφαρμογή και καλή απόδοση σε μικρές αλλά και σε μεγαλύτερες κλίμακες μεγεθών κορεσμού, πρακτόρων αλλά και σημείων στάθμευσης.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Δημόπουλος Γρηγόριος
  • Dimopoulos Grigorios

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:3221278

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Δημόπουλος Γρηγόριος; Dimopoulos Grigorios. Αναζήτηση θέσης στάθμευσης οχήματος με χρήση νοημοσύνης σμήνους. 2022. https://pergamos.lib.uoa.gr/uoa/dl/object/3221278