서지주요정보
Adaptive traffic signal control using reinforcement learning for minimizing vehicle emissions = 배기가스 저감을 위한 강화학습 기반 적응형 교차로 신호제어 연구
서명 / 저자 Adaptive traffic signal control using reinforcement learning for minimizing vehicle emissions = 배기가스 저감을 위한 강화학습 기반 적응형 교차로 신호제어 연구 / Seung Ho Baek.
저자명 Baek, Seung Ho ; 백승호
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033586

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MRE 19001

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

초록정보

Adaptive Traffic Signal Control (ATSC) is a technique to reduce traffic congestion by controlling intersection traffic signal efficiently. Early ATSC controlled intersection signal with a centralized computer and it is applied on actual roads, mainly in North America and Europe. Distributed ATSC has been attracting attention recently because of the increasing demand for real-time and scalability. In my thesis, ATSC using Reinforcement Learning (RL) is introduced. ATSC using RL is one of the distributed ATSC techniques and is expected to overcome the constraints of existing technology. To implement an algorithm applicable to more realistic environments, various vehicle parameters are considered. Deep Q-Network (DQN) is used as a function approximation technique. Normal-mode algorithm is designed for general purpose of ATSC and eco-mode algorithm is designed focusing on minimizing vehicle emissions. The results are verified for three scenarios compared with the optimal signal transition following delay model using Simulation of Urban MObility (SUMO).

적응형 교차로 신호제어 (ATSC)는 교차로의 교통신호를 효율적으로 제어하여 교통정체를 최소화하는 기술이다. 초기의 ATSC는 중앙 컴퓨터로 교차로 신호를 제어했으며, 북미와 유럽을 중심으로 실 도로에서 검증되고 있다. 최근 실시간성과 확장성에 대한 요구가 증가하면서 분산형 ATSC가 주목받고 있다. 본 논문에서는 강화학습 기반의 ATSC를 소개한다. 강화학습 기반 ATSC는 분산형 ATSC 기술 중 하나로, 기존 기술의 제약조건을 극복할 것으로 기대된다. 실제 환경에서 더 적용 가능한 알고리즘을 구현하기 위해 다양한 차량 조건을 고려했다. 함수 근사 기술로 Deep Q-Network (DQN)을 이용했으며, 일반 목적을 위한 Normal-mode 알고리즘과 배기가스 배출을 최소화하기 위한 Eco-mode 알고리즘을 설계했다. Simulation of Urban MObility (SUMO)를 이용하여, 세 가지 시나리오의 결과를 delay model을 이용한 최적 신호체계와 비교 검증했다.

서지기타정보

서지기타정보
청구기호 {MRE 19001
형태사항 vi, 60 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 백승호
지도교수의 영문표기 : Seung-Hyun Kong
지도교수의 한글표기 : 공승현
학위논문 학위논문(석사) - 한국과학기술원 : 로봇공학학제전공,
서지주기 References : p. 55-59
주제 Reinforcement learning
adaptive traffic signal control
vehicle emission
DQN
SUMO
강화학습
적응형 교차로 신호제어
배기가스 저감 기술
DQN
SUMO
QR CODE qr code