هر تقاطع چراغ‌دار یک تصمیم‌گیرنده محلی است: کنترلر آن تصمیم می‌گیرد کدام مسیر سبز شود و تا کی. اما در یک شهر، تقاطع‌ها از هم جدا نیستند. خودرویی که از یک تقاطع عبور می‌کند، چند ثانیه بعد به تقاطع بعدی می‌رسد؛ صفی که در یک تقاطع شکل می‌گیرد می‌تواند تا تقاطع قبلی برسد و آن را هم قفل کند. پس تصمیم هر تقاطع روی وضعیت تقاطع‌های اطراف اثر می‌گذارد. کنترل ترافیک مبتنی بر عامل و تئوری بازی‌ها دقیقاً برای مدل کردن همین وابستگی‌ها شکل گرفته است.

سیستم چندعاملی در کنترل ترافیک یعنی چه؟

در این رویکرد، هر تقاطع یک «عامل» (Agent) در نظر گرفته می‌شود: یک واحد تصمیم‌گیرنده که وضعیت محیط اطراف خود را می‌بیند، هدفی دارد و بر اساس آن عمل می‌کند. هدف هر عامل معمولاً کم کردن تأخیر و طول صف در تقاطع خودش است. شبکه ترافیک شهر از تعداد زیادی از این عامل‌ها تشکیل می‌شود که هم‌زمان تصمیم می‌گیرند.

مزیت این نگاه این است که به جای یک کامپیوتر مرکزی که باید برای همه تقاطع‌ها هم‌زمان تصمیم بگیرد، تصمیم‌گیری بین تقاطع‌ها توزیع می‌شود. اگر ارتباط یک تقاطع با بقیه قطع شود، آن تقاطع همچنان می‌تواند به‌طور مستقل کار کند.

تئوری بازی‌ها چه نقشی دارد؟

تئوری بازی‌ها شاخه‌ای از ریاضیات است که موقعیت‌هایی را بررسی می‌کند که نتیجه تصمیم هر بازیگر، به تصمیم بازیگران دیگر هم بستگی دارد. تقاطع‌های مجاور دقیقاً در چنین موقعیتی هستند: اگر تقاطع A سبز طولانی به مسیر شرقی بدهد، حجم بیشتری خودرو به سمت تقاطع B می‌فرستد و انتخاب‌های B را تغییر می‌دهد.

در این چارچوب دو نوع رفتار قابل تصور است:

• رفتار رقابتی: هر تقاطع فقط به کم کردن صف خودش فکر می‌کند. ممکن است نتیجه برای هر تقاطع به‌تنهایی خوب به نظر برسد، اما برای کل شبکه بد باشد؛ مثلاً هر تقاطع صف خود را با فرستادن خودروها به تقاطع بعدی خالی کند و یک گره بزرگ در جای دیگری شکل بگیرد.
• رفتار همکارانه: تقاطع‌ها در تصمیم خود، اثر آن بر همسایه‌ها را هم حساب می‌کنند. هدف، کم کردن تأخیر کل شبکه است، نه فقط یک تقاطع.

مفهوم «تعادل» در تئوری بازی‌ها، یعنی وضعیتی که هیچ عاملی با تغییر یک‌طرفه تصمیمش وضع خود را بهتر نمی‌کند، به پژوهشگران کمک می‌کند بفهمند یک شبکه از تقاطع‌ها در بلندمدت به چه وضعیتی می‌رسد و آیا آن وضعیت مطلوب است یا نه.

یادگیری از تجربه

یکی از مسیرهای پژوهشی در این حوزه، ترکیب سیستم چندعاملی با روش‌های یادگیری تقویتی مانند Q-learning است. در این روش، هر عامل با آزمون و خطا یاد می‌گیرد که در هر وضعیت ترافیکی، کدام تصمیم در بلندمدت نتیجه بهتری داشته است. به مرور، عامل‌ها بدون اینکه کسی قواعد را از پیش برایشان نوشته باشد، رفتار مناسب را یاد می‌گیرند.

این روش در شبیه‌سازی‌ها نتایج امیدوارکننده‌ای نشان داده است، اما اجرای آن در خیابان واقعی چالش‌های جدی دارد: عامل نمی‌تواند در تقاطع واقعی با آزمون و خطا روی جان و وقت مردم «تمرین» کند، و تصمیم‌هایی که از یادگیری به دست می‌آیند همیشه برای کارشناس قابل توضیح نیستند.

از پژوهش تا تقاطع

بسیاری از ایده‌های این حوزه هنوز در مرحله پژوهش‌اند، اما اصل اساسی آن، یعنی اینکه تقاطع‌ها باید با توجه به هم تصمیم بگیرند، مدت‌هاست در عمل به کار می‌رود:

• هماهنگی چراغ‌های یک محور: زمان‌بندی تقاطع‌های پشت سر هم طوری تنظیم می‌شود که خودروها با موج سبز عبور کنند.
• کنترل مرکزی: مرکز کنترل ترافیک وضعیت همه تقاطع‌ها را می‌بیند و برنامه‌ها را برای کل شبکه تنظیم می‌کند. سامانه کنترل مرکزی BS-NET بهینه‌سنج برای همین سطح از مدیریت طراحی شده است.
• کنترل هوشمند محلی: در سطح هر تقاطع، کنترلرهایی مانند VT-204A با الگوریتم Gap/Waste و داده لوپ دتکتورها زمان سبز را با ترافیک واقعی همان تقاطع تطبیق می‌دهند.
• بهینه‌سازی زمان‌بندی: مطالعه و تنظیم دوباره فازبندی تقاطع‌ها با در نظر گرفتن ترافیک واقعی شبکه. بهینه‌سازی فازبندی و زمان‌بندی یکی از کم‌هزینه‌ترین راه‌های بهبود ترافیک تقاطع‌های موجود است.

جمع‌بندی

کنترل مبتنی بر عامل و تئوری بازی‌ها نگاهی است که ترافیک شهر را شبکه‌ای از تصمیم‌گیرندگان وابسته به هم می‌بیند. حتی اگر روش‌های پیشرفته یادگیری هنوز به‌طور گسترده در خیابان‌ها اجرا نشده باشند، درس اصلی آن روشن است: بهینه کردن یک تقاطع به‌تنهایی کافی نیست و تصمیم هر تقاطع باید اثرش بر همسایه‌ها را هم در نظر بگیرد. برای آشنایی با رویکرد قاعده‌محور، مقاله سیستم خبره در کنترل ترافیک را بخوانید، یا برای مشاوره با کارشناسان بهینه‌سنج تماس بگیرید: ۰۳۱-۳۳۸۷۳۹۹۸.