Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Régulation du Trafic Urbain par Renforcement Profond
Univ Europeenne - EAN : 9783639623093
Édition papier
EAN : 9783639623093
Paru le : 25 mai 2022
43,90 €
41,61 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783639623093
- Réf. éditeur : 7628101
- Editeur : Univ Europeenne
- Date Parution : 25 mai 2022
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 88
- Format : H:220 mm L:150 mm E:5 mm
- Poids : 130gr
- Interdit de retour : Retour interdit
- Résumé : La congestion est considérée comme l'un des problèmes majeurs dans la plupart des grandes villes dans le monde entier et spécifiquement dans les zones urbaines. Elle conduit à plusieurs autres problèmes comme la perte de temps et les longues files d'attente sur les routes qui peuvent provoquer des accidents. Pour la résolution de ce problème, nous proposons un modèle d'apprentissage par renforcement profond avec une représentation d'état qui identifie la position des véhicules dans l'environnement, un ensemble d'actions défini par des configurations de feux de signalisation avec une durée fixe, et une fonction de récompense qui capture la différence des temps d'attente des véhicules entre les actions. Pour mettre en oeuvre le modèle, l'approche d'apprentissage appliquée est le Q-learning combiné à un réseau neuronal profond. Les résultats indiquent que le modèle proposé peut s'adapter à plusieurs situations de circulation et est capable de surpasser le système de feux de signalisation statiques dans les Scénario à faible trafic.
- Biographie : Ines Ben Jaafar is a Researcher at SMART Lab , Straegies for Modelling and ARtificial inTelligence Laboratory at University of Tunis and an Assistant Professor at Tunis Business School University in Tunisia. Her research interests include: Multicriteria optimization, Meta-heuristics, Transport Problems, Logistics chains, and Multi-agent Systems.
