DLASIUT – Development of Learning Agent-based Systems for Improved Urban Traffic Control

Razvoj sustava upravljanja prometom zasnovanih na strojnom učenju privukao je interes za stvaranje inteligentnih sustava s mogućnošću poboljšanja učinkovitosti prometne mreže. Na ponašanje sustava upravljanja utječe velik broj promatranih prometnih parametara, a sam broj parametara uzrokuje eksponencijalno povećanje mogućeg prostora stanja i akcija čineći pronalazak optimalnoga upravljačkog zakona u razumnom vremenu gotovo nemogućim. Glavni je cilj DLASIUT projekta predlaganje okvira za učenje i strukturu sustava upravljanja prometom zasnovanog na učećim agentima koji je sposoban naučiti optimalni upravljački zakon iz mikroskopskih simulacija s realističnim modelima gradske cestovne mreže uz dodatak podrške za umrežena i autonomna vozila. Strukturirano simulacijsko okruženje primijenit će se za sustavno testiranje i učenje takvih sustava, uključujući promjene prometnih scenarija radi identificiranja mogućega lošeg ponašanja sustava. Pomoću dubinske analize utjecaja na poboljšanje gradskog prometa, stručnjaci koji rade u centrima za upravljanje gradskim prometom i tvrtke koje ih razvijaju, imat će više uvida kako primijeniti takve učeće sustave upravljanja prometom u stvarnom svijetu.