Passer au contenu
Mon compte
Wishlist
Panier 00:00
Panier 00:00

Régulation du Trafic Urbain par Renforcement Profond

Audience : Adulte - Grand Public
Le Pitch
PrésentationLa 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. Afficher moinsAfficher plus

Régulation du Trafic Urbain par Renforcement Profond

43,90 €
Sélectionnez la condition
43,90 €

Le Pitch

PrésentationLa 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. Afficher moinsAfficher plus

Détails du livre

Titre complet
Régulation du Trafic Urbain par Renforcement Profond
Format
Poche
Publication
25 mai 2022
Auteur
Benmahmoud, Roya
Audience
Adulte - Grand Public
Pages
88
Taille
22 x 15 x 0.5 cm
Poids
131
ISBN-13
9783639623093

Auteur

Livré entre : 1 août - 6 août
Disponible chez le fournisseur
Impression à la demande
Expédition immédiate
Chez vous entre :
Les délais de livraison ont tendance à s'accélérer ces dernières semaines, le temps indiqué peut être plus court que prévu. Les délais de livraison ont tendance à s'allonger ces dernières semaines, le temps indiqué peut être plus long que prévu.
Livraison gratuite (FR) à partir de 35,00 € de livres neufs
Retour GRATUIT sous 14 jours.
Image to render

Revendez-le sur notre application!

Aller plus loin

Vous pouvez également aimer

Récemment consultés