Система динамічного визначення циклограми розумного світлофору з врахуванням небезпечних метеоумов за допомогою навчання з підкріпленням

Abstract

UA: Система динамічного визначення циклограми розумного світлофору спроєктовано відносно локального світлофора. Основна увага в роботі приділена побудові циклограми із змінними параметрами (тривалість циклу; кількість, тривалість та послідовність фаз) і врахуванням небезпечних метеоумов для світлофора. Моделювання системи виконано засобами UML діаграм. Сценарії визначення циклограми реалізовані в середовищах Mental та Modeler MATLAB. У якості алгоритму навчання з підкріпленням обрано Soft Actor-Critic (SAC). Розроблено власне середовище SmartTrafficEnv та сформовано синтетичний набір даних, який моделює різні погодні й транспортні умови, зокрема умови нормального руху і умови наявності туману та ожеледиці. Навчений агент визначає тривалості зеленого, жовтого, червоного сигналів і захисного інтервалу безпеки залежно від стану метеоумов оточення світлофору. Інтеграцію модулів системи реалізовано у середовищі Node-RED для обробки даних, виконання розрахунків параметрів циклограми та відображення результатів. Проведене тестування підтвердило здатність системи динамічно змінювати параметри циклограми відповідно до умов середовища з пріоритетом безпеки руху.

EN: The system for dynamic determination of the smart traffic light cycle is designed for a local traffic light. The main attention in the work is paid to the construction of a cycle with variable parameters (cycle duration; number, duration and sequence of phases) and taking into account dangerous weather conditions for the traffic light. The system is modeled using UML diagrams. The cycle definition scenarios are implemented in the Mental and Modeler MATLAB environments. Soft Actor-Critic (SAC) is selected as the reinforcement learning algorithm. The SmartTrafficEnv environment has been developed and a synthetic dataset has been formed that simulates various weather and transport conditions, in particular, normal traffic conditions and conditions of fog and ice. The trained agent determines the durations of green, yellow, red signals and the all-red clearance interval depending on the weather conditions surrounding the traffic light. The integration of the system modules is implemented in the Node-RED environment for data processing, calculation of cycle parameters and display of results. The testing confirmed the system's ability to dynamically change the cyclegram parameters according to environmental conditions with traffic safety as a priority.