การจำลองระบบควบคุมสัญญาณไฟจราจรด้วยเทคนิค Machine Learning

ชื่อผู้จัดทำโครงงานวิทยาศาสตร์
  • ไกรมล หมื่นเดช

อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
  • จุฬารัตน์ ตันประเสริฐ

สถาบันการศึกษาที่กำกับดูแลโครงงานวิทยาศาสตร์

โรงเรียนมหิดลวิทยานุสรณ์(องค์การมหาชน)

ระดับการศึกษา

โครงงานในระดับการศึกษาประกาศนียบัตรวิชาชีพ

หมวดวิชา

โครงงานในสาขาวิชาฟิสิกส์

วันที่จัดทำโครงงานวิทยาศาสตร์

01 มกราคม 2541

บทคัดย่อโครงงานวิทยาศาสตร์

ปัญหาการจราจรทางถนนในปัจจุบันว่าเป็นปัญหาสำคัญสำหรับชุมชนเมืองซึ่งเป็นต้นเหตุทำให้เกิดปัญหาต่างๆตามมามากมาย เช่น ในเขตกรุงเทพมหานครการจราจรมีความคับคั่งและติดขัดอย่างมาก ทำให้เกิดมลพิษทางอากาศและเกิดอุบัติเหตุได้ง่าย เป็นต้น และจากการสังเกตการจราจรโดยรวมแล้ว ความคับคั่งของรถบนท้องถนนมักจะเป็นผลสืบเนื่องมาจากความคับคั่งของรถบริเวณทางแยกที่มีการใช้สัญญาณไฟจราจรซึ่งการควบคุมสัญญาณไฟจราจรในปัจจุบันจะใช้ปัจจุบันจะใช้การควบคุมโดยมีช่วงระยะเวลาคงที่ซึ่งไม่ขึ้นกับปัจจัยอื่นๆ เช่น จำนวนรถ สภาพถนน สภาพอากาศ หรือเหตุการณ์พิเศษอื่นๆ เป็นต้น ทำให้ในบางสถานการณ์การควบคุมในลักษณะนี้ไม่มีประสิทธิภาพ ดังนั้นการใช้คอมพิวเตอร์เข้ามาช่วยในการตัดสินใจควบคุมสัญญาณไฟจราจรจึงเป็นทางเลือกหนึ่งที่จะช่วยเพิ่มประสิทธิภาพของการควบคุมการจราจรบริเวณนั้นได้ ระบบนี้จะทำงานโดยอาศัยการเรียนรู้ (Machine Learning) ที่เรียกว่า Reinforcement Learning โดยให้สัญญาณไฟจราจรบริเวณใกล้เคียงมีการทำงานสัมพันธ์กันและอาศัยข้อมูลต่างๆ เช่น จำนวนรถ สภาพการเดินรถ เป็นต้น ซึ่งคาดว่าจะช่วยให้การจราจรโดยรวมนั้นมีความคล่องตัวมากขึ้น ในระบบดังกล่าวจะทำการศึกษาโดยให้สัญญาณไฟ 5 จุดเชื่อมต่อกันด้วยถนนสองช่องทางเดินรถ โดยทำการเปรียบเทียบผลการทดลองที่ได้จากการควบคุม 3 แบบ คือ การควบคุมโดยไม่อาศัยการเรียนรู้(No Learning) การควบคุมโดยอาศัยการเรียนรู้แบบอิสระ (lsolated Learning) และการควบคุมโดยอาศัยการเรียนรู้แบบสัมพันธ์ (Relative Learning) โดยมีวัตถุประสงค์ที่จะทำให้เวลาเฉลี่ยในการเดินทางของรถแต่ละคันในระบบมีค่าน้อยที่สุด ซึ่งจะทำการเก็บข้อมูลการจราจรจริงๆ และใช้การแจกแจงพัวซองมาสร้างเป็นฟังก์ชันเพื่อจำลองการเดินรถให้เหมือนจริงมากที่สุด จากการทดสอบโดยวิธีการของ Games Howell สามารถสรุปได้ว่าค่าเฉลี่ยของเวลาที่รถแต่ละคันใช้ในการเดินทางในระบบทั้งสามชุด มีความแตกต่างกันอย่างมีนัยสำคัญที่ระดับความเชื่อมั่น 95 % และจากการวิเคราะห์ค่าเฉลี่ยและกราฟของเวลาของรถแต่ละคันที่ใช้ในการเดินทางแล้วจะสามารถสรุปได้ว่าประสิทธิภาพของการควบคุมโดยอาศัยการเรียนรู้แตกต่างจากประสิทธิภาพขงการควบคุมที่ไม่อาศัยการเรียนรู้ รวมทั้งยังสามารถสรุปได้ว่าการเรียนรู้แบบอาศัยความสัมพันธ์นั้นมีประสิทธิภาพสูงกว่าการเรียนรู้แบบอิสระเพราะสามารถหาวิธีการที่เหมาะสม (Optimal Policy) ในการที่จะควบคุมระบบได้รวดเร็วกว่าการควบคุมโดยอาศัยการเรียนรู้แบบอิสระ