System sterowania sygnalizacją drogową oparty na AI w celu ograniczenia emisji CO2

Sterowanie ruchem Uczenie ze wzmocnieniem Zrównoważony rozwój Symulacja

Streszczenie redakcyjne

Sterownik wykorzystujący uczenie ze wzmocnieniem zmienia fazy sygnalizacji na podstawie długości kolejek, prędkości pojazdów i natężenia napływu. Cel treningu uwzględnia emisje, opóźnienia i przepustowość. Testy w symulatorze ruchu porównują wyuczoną strategię z tradycyjnym harmonogramem przy zmiennym natężeniu ruchu i szumie czujników.

Opis bibliograficzny

Format cytowania wymagany przez czasopismo lub organizację sprawdź w rekordzie wydawcy.

Oleksander Ryzhanskyi, Vitaliy Pavlyshyn, Pavlo Radiuk, Eduard Manziuk, Oleksander Barmak, Iurii Krak. "AI-Driven Traffic Signal Control System to Reduce CO2 Emissions". YAISD-WS 2025 · CEUR Workshop Proceedings 3974, pp. 18-27, 2025.

Powiązane badania

Powiązane publikacje

Artykuły w czasopismach

2026DOI

Głębokie uczenie ze wzmocnieniem uwzględniające topografię i kontekstowe projektowanie nagrody dla zrównoważonego i wydajnego sterowania ruchem miejskim

Oleksander Ryzhanskyi, Oleksander Barmak, Eduard Manziuk, Pavlo Radiuk, Iurii Krak

Future Transportation 6(2), 82

Sterowanie ruchemUczenie ze wzmocnieniemZrównoważony rozwójSymulacja

Publikacje konferencyjne

2025

Identyfikacja wzorców przepływów transportu miejskiego za pomocą analizy skupień

Vitaliy Pavlyshyn, Oleksander Ryzhanskyi, Eduard Manziuk, Pavlo Radiuk, Oleksander Barmak, Iurii Krak

YAISD-WS 2025 · CEUR Workshop Proceedings 3974

Analiza ruchuAnaliza skupieńMobilność miejskaZrównoważony rozwój

Badania w praktyce

Sprawdź metodę w swoim zastosowaniu.

Opisz decyzję, którą ma wspierać Twój system, oraz dostępne dane. Ocenimy przydatność metody, określimy zakres prototypu i uzgodnimy sposób pomiaru jakości, czasu odpowiedzi oraz kosztu działania.

Omów zastosowanie

Wszystkie publikacje