کتاب صوتی شبیه‌سازی و ارزیابی سیستم‌های حمل و نقل هوشمند با MARL و داده‌های واقعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبیه‌سازی و ارزیابی سیستم‌های حمل و نقل هوشمند با MARL و داده‌های واقعی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای بهینه‌سازی سیستم‌های مدیریت حمل و نقل هوشمند در مقیاس شهری با استفاده از داده‌های جمعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سیستم‌های حمل و نقل هوشمند
• 2. مبانی یادگیری تقویتی چندعاملی (MARL)
• 3. معماری‌های پایه MARL
• 4. تکنیک‌های یادگیری عمیق در MARL
• 5. کاربرد MARL در کنترل ترافیک
• 6. مدل‌سازی ترافیک با استفاده از MARL
• 7. جمع‌آوری و پیش‌پردازش داده‌های ترافیکی واقعی
• 8. تحلیل آماری داده‌های حمل و نقل
• 9. شناخت الگوهای ترافیکی با یادگیری ماشین
• 10. مفاهیم بهینه‌سازی در سیستم‌های حمل و نقل
• 11. الگوریتم‌های جستجوی بهینه‌سازی
• 12. بهینه‌سازی مبتنی بر عامل
• 13. کاربرد بهینه‌سازی در مدیریت تقاطع‌ها
• 14. مدل‌سازی تقاطع‌های هوشمند
• 15. شبیه‌سازی ترافیک در محیط‌های شهری
• 16. نرم‌افزارهای شبیه‌سازی حمل و نقل (مانند SUMO)
• 17. تنظیم پارامترهای شبیه‌ساز
• 18. اعتبارسنجی مدل‌های شبیه‌سازی
• 19. ارزیابی عملکرد سیستم‌های حمل و نقل
• 20. معیارهای ارزیابی (زمان سفر، ازدحام)
• 21. اثرات عوامل محیطی بر ترافیک
• 22. شبیه‌سازی سناریوهای مختلف ترافیکی
• 23. یادگیری تقویتی در کنترل چراغ‌های راهنمایی
• 24. بهینه‌سازی زمان‌بندی چراغ‌های راهنمایی
• 25. کنترل تطبیقی چراغ‌های راهنمایی
• 26. مدیریت جریان ترافیک در بزرگراه‌ها
• 27. پیش‌بینی ازدحام ترافیکی
• 28. سیستم‌های اطلاعاتی حمل و نقل (ITS)
• 29. کاربرد MARL در مسیریابی پویا
• 30. بهینه‌سازی مسیر با استفاده از MARL
• 31. سیستم‌های حمل و نقل اشتراکی
• 32. مدل‌سازی تقاضا در حمل و نقل اشتراکی
• 33. بهینه‌سازی تخصیص وسایل نقلیه اشتراکی
• 34. حمل و نقل عمومی هوشمند
• 35. بهینه‌سازی خطوط و زمان‌بندی اتوبوس
• 36. مدیریت ناوگان وسایل نقلیه عمومی
• 37. سیستم‌های هشدار ترافیکی
• 38. پیش‌بینی حوادث ترافیکی
• 39. مدل‌سازی و پیش‌بینی رفتار رانندگان
• 40. یادگیری تقویتی در خودروهای خودران
• 41. هماهنگی خودروهای خودران
• 42. مدل‌سازی تعامل خودروهای خودران و انسانی
• 43. امنیت سیستم‌های حمل و نقل هوشمند
• 44. حریم خصوصی داده‌ها در ITS
• 45. اخلاق در سیستم‌های حمل و نقل هوشمند
• 46. اثرات اقتصادی ITS
• 47. اثرات زیست‌محیطی ITS
• 48. استانداردهای ارتباطی در ITS (مانند V2X)
• 49. شبکه‌های حسگر در حمل و نقل
• 50. پردازش سیگنال‌های حسگرها
• 51. یادگیری ماشین برای تحلیل داده‌های حسگر
• 52. کاربرد MARL در مدیریت پارکینگ
• 53. بهینه‌سازی اشغال پارکینگ
• 54. سیستم‌های پرداخت هوشمند در حمل و نقل
• 55. مدل‌سازی رفتار مسافران
• 56. تحلیل احساسات کاربران حمل و نقل
• 57. سیستم‌های توصیه‌گر در حمل و نقل
• 58. استفاده از داده‌های بزرگ (Big Data) در حمل و نقل
• 59. روش‌های یادگیری عمیق برای داده‌های سری زمانی
• 60. شبکه‌های عصبی بازگشتی (RNN)
• 61. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
• 62. شبکه‌های حافظه کوتاه‌مدت (GRU)
• 63. شبکه‌های عصبی کانولوشنی (CNN)
• 64. یادگیری تقویتی با پاداش توزیع شده
• 65. یادگیری تقویتی با پاداش متمرکز
• 66. یادگیری تقویتی با پاداش ترکیبی
• 67. مدل‌های بازی در MARL
• 68. تعادل نش در بازی‌های چندعاملی
• 69. یادگیری تقویتی عمیق (DRL)
• 70. کاربرد DRL در کنترل ترافیک
• 71. تکنیک‌های DRL پیشرفته
• 72. یادگیری تقویتی مبتنی بر مدل
• 73. یادگیری تقویتی بدون مدل
• 74. یادگیری تقویتی آفلاین
• 75. یادگیری تقویتی آنلاین
• 76. ارزیابی پایداری سیستم‌های حمل و نقل هوشمند
• 77. تحلیل حساسیت پارامترها
• 78. کاربرد MARL در بهینه‌سازی مصرف سوخت
• 79. کاهش آلودگی هوا با ITS
• 80. مدیریت اضطراری در حوادث ترافیکی
• 81. شبیه‌سازی و ارزیابی سیستم‌های واکنش اضطراری
• 82. سیستم‌های مدیریت تردد هوشمند
• 83. بهینه‌سازی انتخاب حالت سفر
• 84. مدل‌سازی تحرک شهری
• 85. اثرات سیاست‌گذاری بر سیستم‌های حمل و نقل
• 86. تحلیل داده‌های مکانی-زمانی
• 87. استفاده از داده‌های تلفن همراه در حمل و نقل
• 88. یادگیری تقویتی برای تخصیص منابع
• 89. کاربرد MARL در مدیریت انرژی در حمل و نقل
• 90. بهینه‌سازی شارژ وسایل نقلیه الکتریکی
• 91. سیستم‌های حمل و نقل یکپارچه
• 92. تحلیل قابلیت اطمینان سیستم‌های حمل و نقل
• 93. روش‌های یادگیری ماشین برای تشخیص ناهنجاری
• 94. کاربرد MARL در پیش‌بینی خرابی قطعات
• 95. مدل‌سازی و شبیه‌سازی سیستم‌های پیچیده حمل و نقل
• 96. ارزیابی اقتصادی و اجتماعی ITS
• 97. ملاحظات اخلاقی در پیاده‌سازی ITS
• 98. آینده سیستم‌های حمل و نقل هوشمند