інтелектуальні транспортні системи

У статті викладено персоналізоване функціональне бачення архітектури інтелектуальних транспортних систем (ІТС) щодо інформування користувачів міських транспортних систем на прикладі систем ІТС центрального міста мегаполісу. Фундаментальним питанням з погляду користувачів транспорту є отримання інформації про повний функціональний спектр транспортних систем.

Проаналізовано сучасні підходи до побудови інтелектуальних транспортних систем (ІТС) з метою оптимізації міського трафіку. Особливу увагу приділено алгоритмам безмодельного навчання з підкріпленням (Q-Learning і Deep Q-Learning), що застосовуються для керування сигналами світлофорів у динамічних умовах дорожнього руху. За результатами симуляцій у середовищі SUMO доведено, що впровадження таких алгоритмів забезпечує суттєве зменшення черг на перехрестях і підвищує пропускну здатність транспортної мережі.