Self-driving vehicles in the last decade, but especially in the coming years are changing the concept of mobility, more and more advanced automation systems allow cars to react correctly in complex environments such as city's traffic. The goal of this document is to propose a centralized scheme, using Deep Reinforcement Learning, to control traffic near an intersection.
I veicoli a guida autonoma nell’ultimo decennio, ma soprattutto nei prossimi anni cambieranno il concetto di mobilità, sistemi di automazione sempre più avanzati permettono alle auto di reagire correttamente in ambienti complessi come quello del traffico cittadino. L’obiettivo di questo documento è quello di proporre uno schema centralizzato, utilizzando il Deep Reinforcement Learning, per il controllo del traffico stradale in prossimità di un incrocio.
MODELLO E CONTROLLO DI UN INCROCIO STRADALE CON DEEP REINFORCEMENT LEARNING
LUCARELLA, PAOLA
2021/2022
Abstract
Self-driving vehicles in the last decade, but especially in the coming years are changing the concept of mobility, more and more advanced automation systems allow cars to react correctly in complex environments such as city's traffic. The goal of this document is to propose a centralized scheme, using Deep Reinforcement Learning, to control traffic near an intersection.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Lucarella_Paola.pdf
File consultabile da postazioni biblioteca
Descrizione: Documento in cui viene presentato un progetto che cerca di gestire il traffico stradale in prossimità di un incrocio attraverso l'utilizzo del Deep Reinforcement Learning.
Dimensione
1.46 MB
Formato
Adobe PDF
|
1.46 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/64530