search query: @keyword reinforcement learning / total: 9
reference: 8 / 9
« previous | next »
Author:Bingham, Ella
Title:Neurofuzzy Traffic Signal Control
Neurosumea liikennevalo-ohjaus
Publication type:Master's thesis
Publication year:1998
Pages:107      Language:   eng
Department/School:Teknillisen fysiikan ja matematiikan osasto
Main subject:Sovellettu matematiikka   (Mat-2)
Supervisor:Ehtamo, Harri
Instructor:Niittymäki, Jarkko
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark TF80     | Archive
Keywords:fuzzy logic
neural networks
neurofuzzy systems
reinforcement learning
traffic signal control
sumea logiikka
neuraaliverkot
neurosumea
vahvistava oppiminen
liikennevalojen ohjaus
Abstract (fin):Työn tavoitteena oli luoda sumea liikennevalojen ohjausjärjestelmä, jonka parametrit mukautuvat ympäröivään liikennetilanteeseen.
Olemassaolevaan sumeaan ohjausjärjestelmään lisättiin oppimisalgoritmi, jonka avulla järjestelmän parametreja hienosäädettiin erilaisiin liikennetilanteisiin sopiviksi.
Ohjausjärjestelmän tehokkuuden mittarina olivat ajoneuvojen viiveet.

Sumea liikennevalojen ohjausjärjestelmä käyttää kielellisiä sääntöjä kuten "jos saapuva liikennemäärä on suuri ja jonottava liikennemäärä on pieni, niin vihreä valo on pitkä".
Sumeat käsitteet suuri, pieni ja pitkä esitetään jäsenyysfunktioiden avulla.

Neuraaliverkot koostuvat yksinkertaisista laskentayksiköistä, jotka on yhdistetty toisiinsa verkoksi.
Neurosumeassa liikennevalojen ohjauksessa jäsenyysfunktioiden parametreja hienosäädetään neuraaliverkon avulla.
Tässä työssä käytetty neuraaliverkon opetusalgoritmi on nimeltään vahvistava oppiminen (reinforcement learning).
Tarkasteltava neurosumea järjestelmä on sellainen, että tavallisimpia neuraaliverkkojen opetusalgoritmeja ei voida käyttää.

Mukautuvaa liikennevalo-ohjausta tutkittiin liikennesimulaattorissa, johon sisältyy sumea valo-ohjausjärjestelmä.
Neuraaliverkon opetusalgoritmi toteutettiin Matlab-ohjelmassa, joka vaihtaa tietoja liikennesimulaattorin kanssa.

Opetusalgoritmi toimii menestyksellisesti tilanteissa, joissa liikennemäärä on vakio.
Alkuperäiset jäsenyysfunktiot muuttuvat oppimisen myötä erilaisiksi eri liikennemäärillä.
Oppimisen tuloksena saadut jäsenyysfunktiot tuottavat pienempiä viiveitä kuin alkuperäiset jäsenyysfunktiot.
Sen sijaan opetusalgoritmi ei anna hyviä tuloksia tilanteissa, joissa liikennemäärä muuttuu nopeasti.

Diplomityössä tehtiin lisäksi pieni muutos sumean liikennevalojen ohjausjärjestelmän sääntökantaan.
Muutoksen ansiosta ajoneuvojen viiveet pienenivät merkittävästi pienillä liikennemäärillä.
ED:1998-11-10
INSSI record number: 13655
+ add basket
« previous | next »
INSSI