Pekiştirmeli öğrenme ile trafik sıkışıklığını azaltmada yol planlamasının optimizasyonu

Şehirlerdeki aşırı nüfus yoğunluğu mevcut altyapının sınırlarını zorlayan trafik yoğunluğunu arttırmaktadır. Özellikle kalabalık saatlerde, trafik sadece değerli zamanı tüketmekle kalmıyor, aynı zamanda hava kirliliğine, artan yakıt tüketimine ve olumsuz psikolojik etkilere de neden oluyor. Yol genişletme veya toplu taşımayı teşvik etme gibi geleneksel çözümler, büyüyen bu sorunla başa çıkmak için yeterli kalmamaktadır. Bu bağlamda, otonom sürüş teknolojisi, gelişmiş sürücü yardım sistemleri, yol altyapısındaki IoT entegrasyonunun geliştirilmesi ve yaygın internet erişimi, araçları daha akıllı hale getirmekte ve taşımacılık sektörünü dönüştürmektedir. Günümüzde birçok sürücü, varış yerlerine göre en az yoğun ve en hızlı rotaları belirlemek için GPS tabanlı rota planlama uygulamalarına güvenmektedir. Ancak, bu uygulamalar çoğunlukla bireysel sürücüler için rotaları optimize etmeye odaklanmakta ve diğer araçların durum bilgilerinin eksikliği nedeniyle yoğunluğu yanlış tahmin edebilmektedir. çok ajanlı yol bulma alanındaki mevcut literatürü takip ederek, bu tezde trafik yoğunluğu sorunlarını hafifletmek için yenilikçi bir yaklaşım önerilmektedir. Metodolojimiz, sistem genelindeki en iyiliği vurgulamakta ve mevcut yol ağının verimliliğini en üst düzeye çıkarmaktadır. Bir pekiştirmeli öğrenme algoritması ve ölçeklenebilir bir orkestrasyon mimarisi uygulayarak, bireysel merkezli rota çözümlerine kıyasla genel trafik yoğunluğunda ve yolculuk süresinde bir azalma göstermekteyiz.