Back to search

National and Kapodistrian University of Athens

Comparative study on classical and modern ways of traffic signal control with the use of a simulator

Abstract

dc:description

Ο έλεγχος των φωτεινών σηματοδοτών κυκλοφορίας αποτελεί ένα καίριο πρόβλημα στον σχεδιασμό των πόλεων και στη διαχείριση των μεταφορών, με σημαντικές επιπτώσεις στη συμφόρηση, στις εκπομπές οχημάτων και στους χρόνους ταξιδιού. Οι παραδοσιακοί αλγόριθμοι είναι βασισμένοι σε κανόνες, συχνά στατικοί και ανίκανοι να προσαρμοστούν στην δυναμική κίνηση των οχημάτων. Αυτό οδήγησε στην προσπάθεια υλοποίησης αλγορίθμων μηχανικής μάθησης για την βελτιστοποίηση των χρόνων των φωτεινών σηματοδοτών. Η παρούσα μελέτη παρουσιάζει μια συγκριτική ανάλυση πέντε αλγορίθμων ελέγχου της κυκλοφορίας - παραδοσιακών μεθόδων όπως η μέθοδος Webster, ο Greenwave και ο Maxband, μαζί με σύγχρονες μεθόδους όπως o Max Pressure και ένα μοντέλο μηχανικής μάθησης DQN - σε διαφορετικά σενάρια κυκλοφορίας. Η υλοποίηση των παραδοσιακών μεθόδων είναι σχετικά απλή. Η μέθοδος Webster έχει ως στόχο στην ελαχιστοποίηση της καθυστέρησης των οχημάτων προσαρμόζοντας το μήκος του κύκλου των σηματοδοτών κυκλοφορίας βάσει του όγκου της κίνησης και του κορεσμού σε έναν δρόμο. Ο Greenwave διευκολύνει τον συντονισμό των φωτεινών σηματοδοτών στις αρτηριακές οδούς προκειμένου να δημιουργηθεί ένα "πράσινο κύμα" συνεχόμενων πράσινων φωτεινών σηματοδοτών για τα οχήματα. Ο Maxband βελτιστοποιεί επίσης τις αρτηριακές οδούς προσαρμόζοντας τους χρόνους των πράσινων φάσεων για να επιτευχθεί η μέγιστη δυνατή ροή στην κυκλοφορία. Οι σύγχρονες μέθοδοι ακολουθούν διαφορετική προσέγγιση. Ο Max Pressure χρησιμοποιεί πραγματικά δεδομένα και σένσορες για να προσαρμόζει τους χρόνους των σηματοδοτών, δίνοντας προτεραιότητα σε κατευθύνσεις με υψηλή συγκέντρωση οχημάτων. Αντίθετα, το μοντέλο DQN αξιοποιεί την ενισχυτική μάθηση για να μάθει τους βέλτιστους χρόνους των φωτεινών φάσεων βάσει των καταστάσεων της κυκλοφορίας, των ενεργειών και των αντίστοιχων ανταμοιβών. Η αρχιτεκτονική του μοντέλου DQN περιλαμβάνει ένα επίπεδο εισόδου που λαμβάνει την αναπαράσταση της κατάστασης της κυκλοφορίας, κρυφά επίπεδα για την καταγραφή πολύπλοκων συσχετίσεων μεταξύ των καταστάσεων της κυκλοφορίας και των ενεργειών, και ένα επίπεδο εξόδου για την πρόβλεψη των καλύτερων δυνατών τιμών για συγκεκριμένες ενέργειες. Η αξιολόγηση αυτών των μεθόδων πραγματοποιείται μέσω προσομοιώσεων χρησιμοποιώντας το πρόγραμμα προσομοίωσης κυκλοφορίας SUMO σε επτά σενάρια, που κυμαίνονται από ένα απλό μονό σημείο διασταύρωσης έως ένα πολύπλοκο αστικό πλέγμα που αντιγράφει μια περιοχή στο Μανχάταν. Χρησιμοποιούνται μετρικές απόδοσης, όπως ο συνολικός χρόνος καθυστέρησης και ο συνολικός χρόνος προσομοίωσης, για να γίνει η σύγκριση αυτών των μεθόδων. Τα αποτελέσματα αποκαλύπτουν ότι ο DQN είχε καλύτερες επιδόσεις από όλες τις άλλες μεθόδους σε όλα τα σενάρια, επιδεικνύοντας υψηλή αποδοτικότητα και ευελιξία ακόμη και σε απλές καταστάσεις κίνησης και επιδεικνύοντας ανθεκτικότητα σε υψηλή πολυπλοκότητα και όγκο κυκλοφορίας. Η προσαρμοστικότητα και η δυνατότητα μάθησης του DQN του επιτρέπουν να βελτιστοποιεί τα σήματα βάσει προηγούμενων εμπειριών και της δυναμικής της κυκλοφορίας, καθιστώντας το έναν ελπιδοφόρο τρόπο για τη μελλοντική διαχείριση της κυκλοφορίας. Παρά τα πλεονεκτήματα των παραδοσιακών μεθόδων, ειδικά σε συγκεκριμένες περιπτώσεις, οι σύγχρονες τεχνικές που βασίζονται σε τεχνητή νοημοσύνη, όπως ο DQN, θα μπορούσαν να οδηγήσουν σε πιο αποτελεσματική διαχείριση της κυκλοφορίας και μείωση των χρόνων αναμονής. Τα ευρήματα αυτής της μελέτης υποδεικνύουν μια δυνητική αλλαγή στον έλεγχο των φωτεινών σηματοδοτών κυκλοφορίας προς μεθόδους που βασίζονται σε μηχανική μάθηση. Ωστόσο, απαιτείται περαιτέρω έρευνα για να εξεταστεί η απόδοση του DQN σε άλλα σενάρια κυκλοφορίας και του τρόπου ενσωμάτωσης αυτών των συστημάτων στην πραγματική διαχείριση της κυκλοφορίας και να δοθεί έμφαση και στο κόστος για εγκατάσταση και συντήρηση των συστημάτων.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Νιάρχος Αλέξανδρος
  • ΤΣΙΟΥΓΚΡΑΝΑΣ ΝΙΚΟΛΑΟΣ
  • Niarchos Alexandros
  • TSIOUGKRANAS NIKOLAOS

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3335462

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

Νιάρχος Αλέξανδρος; ΤΣΙΟΥΓΚΡΑΝΑΣ ΝΙΚΟΛΑΟΣ; Niarchos Alexandros; TSIOUGKRANAS NIKOLAOS. Comparative study on classical and modern ways of traffic signal control with the use of a simulator. 2023. https://pergamos.lib.uoa.gr/uoa/dl/object/3335462