HEAL DSpace

Δυναμικός διαμοιρασμός λωρίδων κυκλοφορίας σε αστικές αρτηρίες με τη χρήση μεθόδων ενισχυτικής μάθησης

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Βακρινού, Κατερίνα el
dc.contributor.author Vakrinou, Katerina en
dc.date.accessioned 2024-01-08T09:28:54Z
dc.date.available 2024-01-08T09:28:54Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/58514
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.26210
dc.rights Αναφορά Δημιουργού 3.0 Ελλάδα *
dc.rights.uri http://creativecommons.org/licenses/by/3.0/gr/ *
dc.subject Δυναμικά εναλλασσόμενες λωρίδες κυκλοφορίας el
dc.subject Δυναμική διαχείριση αστικού χώρου el
dc.subject Αστικά οδικά δίκτυα el
dc.subject Αλγόριθμος Proximal Policy Optimization (PPO) el
dc.subject Simulation of Urban Mobility (SUMO) en
dc.subject Dynamic lane reversal en
dc.subject Dynamic urban space allocation en
dc.title Δυναμικός διαμοιρασμός λωρίδων κυκλοφορίας σε αστικές αρτηρίες με τη χρήση μεθόδων ενισχυτικής μάθησης el
dc.title Dynamic traffic lane allocation on urban arterials using reinforcement learning methods en
heal.type bachelorThesis
heal.classification Συγκοινωνιακός σχεδιασμός el
heal.classification Διαχείριση κυκλοφορίας el
heal.classification Ενισχυτική μάθηση el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2023-07-17
heal.abstract Τα τελευταία χρόνια, οι εξελίξεις στους τομείς της τεχνολογίας των δεδομένων και των συνδεδε-μένων οχημάτων σε συνδυασμό με την ολοένα αυξανόμενη κυκλοφορική ζήτηση στα αστικά οδικά δίκτυα έχουν συμβάλλει στην ανάπτυξη νέων μεθόδων διαχείρισης της κυκλοφορίας, όπως είναι οι εναλλασσόμενες λωρίδες κυκλοφορίας. Οι εναλλασσόμενες λωρίδες κυκλοφορίας χρησιμοποιούνται παγκοσμίως, ωστόσο μόνο στην στατική τους μορφή. Γι’ αυτό το λόγο αποτελούν συχνά ένα μη αποδοτικό μέτρο διαχείρισης της κυκλοφορίας. Στόχος της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός μοντέλου δυναμικού διαμοιρασμού λωρίδων κυκλοφορίας σε μία οδική αρτηρία, χρησιμοποιώντας τον αλγόριθμο Proximal Policy Optimization (PPO), που ανήκει στην κατηγορία των μεθόδων ενισχυτικής μάθησης. Το ανεπτυγμένο μοντέλο εκπαιδεύεται και αξιολογείται σε σενάρια πραγματικών περιπτώσεων κυκλοφοριακής ζήτησης και σε διαφορετικά γεωμετρικά χαρακτηριστικά του οδικού δικτύου, μέσω προσομοίωσης στο προγραμματιστικό περιβάλλον Simulation of Urban Mobility (SUMO). Τα αποτελέσματα δείχνουν ότι η στρατηγική διαχείρισης της κυκλοφορίας με δυναμικά εναλλασσόμενες λωρίδες οδηγεί σε αύξηση της μέσης ταχύτητας των οχημάτων έως και 10% και μείωση του συνολικού χρόνου ταξιδιού και καθυστερήσεων έως και 57%. Τέλος, η αξιολόγηση σε διαφορετικές γεωμετρίες του δικτύου έδειξε ότι η αποδοτικότητα του μέτρου μειώνεται όσο μικρότερη είναι η απόσταση μεταξύ των κόμβων του δικτύου. el
heal.advisorName Βλαχογιάννη, Ελένη el
heal.committeeMemberName Γιαννής, Γιώργος el
heal.committeeMemberName Γκιοτσαλίτης, Κωνσταντίνος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής el
heal.academicPublisherID ntua
heal.numberOfPages 74 σ. el
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο:

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού 3.0 Ελλάδα Εκτός από όπου ορίζεται κάτι διαφορετικό, αυτή η άδεια περιγράφεται ως Αναφορά Δημιουργού 3.0 Ελλάδα