Graph theory based traffic light management

Trafik ışıklı kavşaklarda meydana gelen trafik sıkışıklığı ve gecikmeler ülkeleri para, zaman ve hava kirliliği açısından olumsuz etkileyebilmektedir. Yapay zeka algoritmalarının yanı sıra hesaplama gücünün ilerlemesiyle birlikte, araştırmacılar trafik sıkışıklığı sorununa yeni ve optimize edilmiş bir çözümler aramaktadırlar. Çoğu modern kavşaklarda, manuel olarak tasarlanmış trafik faz planı kullanılmaktadır. Bunun günümüz trafik yönetim sistemleri için nispeten yeterli olduğu kanıtlanmış olsa da, akıllı bir trafik faz planı uygulanmasının daha etkili olduğu düşünülmektedir. Geleneksel yaklaşımlar büyük ölçüde geçmiş trafik verisine (statik bilgi) dayanırken, dinamik/adaptif bir trafik yönetim sistemi sunan Pekiştirmeli Öğrenme (RL) algoritmaları giderek daha fazla araştırmacıların ilgisini kazanmaktadır. Bu RL tabanlı derin öğrenme teknikleri kullanışlı olmasına rağmen eğitim sürelerinden dolayı gerçek hayattaki trafik yönetim sistemlerine uygulanması zordur. Bu çalışma, derin öğrenme tabanlı yöntemlerin eğitim süresi problemini çözmeyi amaçlamaktadır. Araştırma, belirli bir ağdaki diğer yolların gelecekte hangi durumda tıkanacağını tahmin etmek için bilinen yol doluluk durumlarından yararlanmayı sağlayan, yeni bir grafik tabanlı yaklaşım getirmektedir. Elde edilen tahminlere dayanarak, trafik sıkışıklığı bilinen bir yoldan başlayarak bir sonraki tıkanması beklenen bağlantılı yolları içeren ağdaki tüm kavşakların trafik ışık sürelerini dinamik olarak ayarlanabilmekteyiz. Tahminlemeler, kenar tabanlı yarı denetimli grafik algoritmaları kullanılarak yapılmaktadır. Yürütülen simülasyonlar, yaklaşımımızın derin öğrenme modellerinin gerektirdiği çok daha uzun eğitim süresiyle karşılaştırıldığında, birkaç dakika içinde derin öğrenme tabanlı yaklaşımla karşılaştırılabilir ortalama bekleme süresi sağlayabileceğini göstermektedir. Anahtar kelimeler: Derin Öğrenme, Pekiştirmeli Öğrenme, Trafik Akışı, Tıkanıklık