دانلود ترجمه مقاله کنترل بهینه ترافیک در تقاطع های هوشمند

1. مقدمه 2. کنترل ترافیک مشارکتی در شبکه های خودکار 3. مسئله کنترل گروه بهینه 4. نمودار اصلی شبکه خودکار 5. شبیه سازی و تحلیل عددی 6. نتیجه گیری

چکیده – بررسی های صورت گرفته حاکی از آن است که به منظور کاهش تراکم در شبکه های شهری، دستاوردهای اخیر در زمینه فناوری های هوش مصنوعی و ارتباطات بی سیم پتانسیل زیادی را فراهم نموده است. در مطالعه حاضر، با هدف کنترل بهینه وسایل نقلیه خودران ارتباطی (CAV) در تقاطع‌های هوشمند، یک مدل تحلیلی تصادفی ارائه شده است. همچنین در این تحقیق، به عنوان یک ابزار مدل‌سازی در سطح گسترده برای شبکه‌های شهری با تقاطع‌های هوشمند، نموداری تحت عنوان نمودار اصلی شبکه خودکار (ANFD) ارائه شده است. لازم به ذکر است که، برای عبور متوالی گروه‌ها در جهت عبور از تقاطع‌های بدون علامت بدون تاخیر، در استراتژی کنترل مشارکتی پیشنهادی، از پیشروی بین گروه های CAV در هر جهت استفاده می شود. بنابراین، برای دستیابی به این هدف، ورود و خروج گروه ها در جهت عبور بایستی از هماهنگی لازم برخوردار باشد. همچنین به منظور تقویت مقاومت و توانمندی سیستم (احتمال موفقیت همزمانی)، یک شکاف حاشیه‌ای را بین ورود و خروج گروه‌های متوالی در مسیرهای عبوری با هدف جبران خطای عملیاتی در فرآیند همگام‌سازی ایجاد نموده و سپس برای تقاطع های هوشمند، یک مدل ترافیک تصادفی را نیز ارائه می نماییم. نتایج بدست آمده حاکی از آن است که، اثرات افزایش اندازه گروه و طول شکاف حاشیه ای بر ظرفیت شبکه همواره مثبت نمی باشد. همچنین شایان ذکر است که، با بهینه سازی این متغیرهای کنترل مشارکتی، امکان افزایش ظرفیت محقق می شود. همچنین در مطالعه حاضر، مسئله بهینه سازی ترافیک را برای اندازه گروه و طول شکاف حاشیه ای به صورت تحلیلی حل نموده و برای توزیع نرمال خطای عملیاتی، یک راه حل بسته را ارائه می دهیم. همچنین توسط یک ANFD، عملکرد شبکه با تقاطع های هوشمند تصادفی به صورت تحلیلی تشریح شده و به صورت عددی با استفاده از نتایج یک مدل شبیه سازی مورد تائید قرار گرفته است. نتایج بدست آمده از شبیه‌سازی های صورت گرفته حاکی از آن است که زمانیکه انحراف معیار خطا 0.1 ثانیه است، بهینه‌سازی متغیرهای کنترل، تا 138 درصد باعث افزایش ظرفیت می شود.

Recent advances in artificial intelligence and wireless communication technologies have created great potential to reduce congestion in urban networks. In this research, we develop a stochastic analytical model for optimal control of communicant autonomous vehicles (CAVs) at smart intersections. We present the automated network fundamental diagram (ANFD) as a macro-level modeling tool for urban networks with smart intersections. In the proposed cooperative control strategy, we make use of the headway between the CAV platoons in each direction for consecutive passage of the platoons in the crossing direction through non-signalized intersections with no delay. For this to happen, the arrival and departure of platoons in crossing directions need to be synchronized. To improve system robustness (synchronization success probability), we allow a marginal gap between arrival and departure of the consecutive platoons in crossing directions to make up for operational error in the synchronization process. We then develop a stochastic traffic model for the smart intersections. Our results show that the effects of increasing the platoon size and the marginal gap length on the network capacity are not always positive. In fact, the capacity can be maximized by optimizing these cooperative control variables. We analytically solve the traffic optimization problem for the platoon size and marginal gap length and derive a closed-form solution for a normal distribution of the operational error. The performance of the network with smart intersections is presented by a stochastic ANFD, derived analytically and verified numerically using the results of a simulation model. The simulation results show that optimizing the control variables increases the capacity by 138% when the error standard deviation is 0.1 s.

این مقاله می تواند برای مباحث مهندسی عمران گرایش حمل و نقل مناسب باشد. ترجمه این مقاله در 28 صفحه آماده شده و در ادامه نیز صفحه 26 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.