Adaptivno upravljanje izoliranim semaforiziranim raskrižjem primjenom neuronskih mreža

diplomski rad

• Naslov (engleski): Adaptive Control of Isolated Signalized Intersection using Neural Networks
• Autor: Mladen Miletić
• Mentor: Edouard Ivanjko (mentor)
• Član povjerenstva: Sadko Mandžuka (predsjednik povjerenstva)
• Član povjerenstva: Miroslav Vujić (član povjerenstva)
• Član povjerenstva: Luka Novačko (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet prometnih znanosti; (Inteligentni transportni sustavi i logistika); (Zavod za inteligentne transportne sustave); Zagreb
• Datum i država obrane: 2019-07-16, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Tehnologija prometa i transport; Inteligentni transportni sustavi i logistika

Sažetak

Zbog sve većeg rasta prometne potražnje u gradskim sredinama dolazi do značajnog smanjenja razine uslužnosti mobilnosti u gradskim sredinama. Dio problema su i zastarjeli sustavi upravljanja semaforiziranim raskrižjem zasnovani na ustaljenim signalnim planovima. Razvojem sustava zasnovanih na umjetnoj inteligenciji moguće je riješiti neke od problema upravljanja semaforiziranim raskrižjem. Korištenjem umjetne neuronske mreže i algoritma ojačanog učenja moguće je izgraditi sustav za adaptivno upravljanje semaforiziranim raskrižjem. U ovom radu je simulirano i analizirano izolirano semaforizirano raskrižje koristeći razvijeno simulacijsko okruženje uz algoritam ojačanog učenja zasnovanog na neuronskoj mreži. Iz rezultata se zaklju čuje da se korištenjem neuronskih mreža u kombinaciji s ojačanim učenjem mogu postići poboljšanja u upravljanju semaforiziranog raskrižja.

Sažetak (engleski)

Due to increasing traffic demand in urban areas there is a significant decrease od the level of service of urban mobility. Part of the problem are old control systems of signalized intersection that use fixed signal programs. By developing systems based on artificial intelligence it is possible to solve some of the problems of signalized intersection control. With the use of artificial neural networks and reinforcement learning algorithms it is possible to create a system for adaptive control of a signalized intersection. In this thesis, an isolated signalized intersection is simulated and analyzed with the implementation of reinforcement learning algorithm based on neural networks. From the results it can be concluded that the use of neural networks and reinforcement learning algorithms can achieve improvements in signalized intersection control.

• Ključne riječi: Inteligentni transportni sustavi; semaforizirano raskrižje; signalni plan; neuronske mreže; ojačano učenje
• Ključne riječi (engleski): intelligent transport systems; signalized intersection; signal program; neural networks; reinforcement learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:119:502434
• Studijski program: Naziv: Inteligentni transportni sustavi i logistika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka prometa (mag. ing. traff.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2019-07-16 10:06:00