ट्रैफिक सिग्नल ऑप्टिमाइजेशन में एआई
एआई निश्चित शेड्यूल पर निर्भर होने के बजाय, वास्तविक वाहन और पैदल यात्री की मांग के आधार पर वास्तविक समय में ट्रैफिक लाइट टाइमिंग को गतिशील रूप से समायोजित करता है।
सिंहावलोकन
अदायगी कम प्रतीक्षा, कम स्टॉप-एंड-गो, कम उत्सर्जन और आसान शहरी यात्रा है।
गहरा गोता
पारंपरिक ट्रैफ़िक सिग्नल वर्षों पहले से निर्धारित निश्चित समय योजनाओं पर चलते हैं, जो अप्रत्याशित वास्तविक दुनिया के ट्रैफ़िक से बिल्कुल मेल नहीं खाते हैं। एआई-आधारित सिस्टम प्रत्येक चौराहे पर वर्तमान मांग को समझने और तदनुसार हरित समय को समायोजित करने के लिए सेंसर, कैमरे और कनेक्टेड-वाहन डेटा का उपयोग करते हैं। कई सिस्टम सुदृढीकरण सीखने का उपयोग करते हैं, जहां एक एजेंट सिमुलेशन में परीक्षण और त्रुटि के माध्यम से सिग्नल-नियंत्रण नीति सीखता है, जिसे कुल वाहन विलंब को कम करने के लिए पुरस्कृत किया जाता है। कई चौराहों का समन्वय करना कठिन है, क्योंकि एक प्रकाश तरंग को पड़ोसियों में बदलना, इसलिए बहु-एजेंट दृष्टिकोण सिग्नल को गलियारों के साथ सहयोग करने देते हैं। Google के प्रोजेक्ट ग्रीन लाइट, जिसे सिएटल और मैनचेस्टर जैसे शहरों में तैनात किया गया है, ने पायलट अध्ययनों में स्टॉप और चौराहे उत्सर्जन में सार्थक कटौती की रिपोर्ट करते हुए, समय में बदलाव की सिफारिश करने के लिए एआई का उपयोग किया।
तकनीकी अंतर्दृष्टि
एक सामान्य दृष्टिकोण प्रत्येक चौराहे को सुदृढीकरण सीखने के एजेंट के रूप में तैयार करता है। राज्य कतार की लंबाई, वाहन संख्या और वर्तमान चरण को एन्कोड करता है; क्रियाएँ चुनती हैं कि किस सिग्नल चरण को सक्रिय या विस्तारित करना है; और इनाम संचित देरी या कतार की लंबाई को दंडित करता है। एजेंट SUMO जैसे माइक्रोसिम्युलेटर में प्रशिक्षण लेता है, ऐसी नीतियां सीखता है जो मांग में उतार-चढ़ाव के अनुकूल होती हैं। मल्टी-एजेंट समन्वय पड़ोसी चौराहों के बीच जानकारी साझा करता है इसलिए अलगाव में प्रत्येक प्रकाश को अनुकूलित करने के बजाय व्यस्त गलियारों में हरी तरंगें बनती हैं।
सामरिक प्रभाव
विकल्प बनाएं
एप्लिकेशन-स्तरीय डिज़ाइन यह निर्धारित करता है कि AI वास्तविक परिणामों में सुधार करता है या नहीं।
टीम और वर्कफ़्लो
अच्छा वर्कफ़्लो एकीकरण उत्पादकता लाभ पैदा करता है जिस पर उपयोगकर्ता भरोसा कर सकते हैं।
जोखिम और सुरक्षा
अच्छी तरह से उपयोग के मामले परिवर्तन की थकान और कार्यान्वयन जोखिम को कम करते हैं।
ट्रैफिक सिग्नल ऑप्टिमाइजेशन में एआई का भविष्य
जैसे-जैसे कनेक्टेड और स्वायत्त वाहन फैलते हैं, सिग्नल सीधे आने वाली कारों के साथ बातचीत करेंगे, संभावित रूप से कम कठिन स्टॉप और लंबी अवधि में सिग्नल-मुक्त समन्वित चौराहे भी सक्षम होंगे। पारगमन प्राथमिकता, आपातकालीन-वाहन छूट, पैदल यात्री और साइकिल चालक सुरक्षा और शहरव्यापी अनुकूलन के सख्त संलयन की अपेक्षा करें। स्थानीय नियंत्रकों पर गोपनीयता-संरक्षण सेंसिंग और एज एआई क्लाउड कनेक्टिविटी पर निर्भरता को कम कर देगा, जिससे छोटी नगर पालिकाओं में बड़े पैमाने पर तैनात करने के लिए अनुकूली नियंत्रण सस्ता हो जाएगा।
वास्तविक विश्व कार्यान्वयन
Google के प्रोजेक्ट ग्रीन लाइट ने शहरों में सिग्नल को समय पर करने, व्यस्त चौराहों पर स्टॉप कम करने की सिफारिश करने के लिए ड्राइविंग पैटर्न का विश्लेषण किया।
पिट्सबर्ग की सुरट्रैक अनुकूली प्रणाली ने यात्रा के समय और गलियारों में सुस्ती को कम करने के लिए विकेन्द्रीकृत एआई नियंत्रकों का उपयोग किया।
शहर ट्रांजिट सिग्नल को प्राथमिकता देते हैं, इसलिए जब देरी से चल रही बस किसी चौराहे पर पहुंचती है तो एआई हरी बत्ती दे देता है।
आपातकालीन-वाहन प्रीएम्पशन यातायात के माध्यम से एम्बुलेंस और अग्निशमन ट्रकों के लिए रास्ता साफ़ करने के लिए एआई-समन्वित संकेतों का उपयोग करता है।
जोखिम और रेलिंग
किसी टूटी हुई प्रक्रिया को स्वचालित करने से मौजूदा समस्याएँ बढ़ सकती हैं।
टीमें अति-स्वचालित हो सकती हैं और आवश्यक मानवीय निर्णय को हटा सकती हैं।
यदि आउटपुट का लगातार मूल्यांकन नहीं किया गया तो गुणवत्ता में गिरावट आ सकती है।
कार्यान्वयन रोडमैप
वर्तमान वर्कफ़्लो को मैप करें और उच्चतम-घर्षण चरण की पहचान करें।
पूर्ण स्वचालन से पहले मानव चौकियों को परिभाषित करें।
उपयोगकर्ताओं को संकेतों, वृद्धि पथों और गुणवत्ता मानकों पर प्रशिक्षित करें।
निरंतर मूल्य की पुष्टि के लिए कार्य-स्तर के परिणामों को ट्रैक करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Traffic Signal Optimization quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
मूल्य अनुकूलन और गतिशील मूल्य निर्धारण में एआई
अक्सर पूछे जाने वाले प्रश्नों
ट्रैफिक सिग्नल ऑप्टिमाइज़ेशन में एआई क्या है?
एआई निश्चित शेड्यूल पर निर्भर होने के बजाय, वास्तविक वाहन और पैदल यात्री की मांग के आधार पर वास्तविक समय में ट्रैफिक लाइट टाइमिंग को गतिशील रूप से समायोजित करता है। इसका लाभ कम प्रतीक्षा, कम रुकना और जाना, कम उत्सर्जन और आसान शहरी यात्रा है।
पारंपरिक निश्चित समय यातायात सिग्नलों की मुख्य सीमा क्या है?
निश्चित समय योजनाएँ पहले से निर्धारित की जाती हैं और किसी चौराहे पर परिवर्तनशील, वास्तविक समय की यातायात स्थितियों के अनुकूल नहीं होती हैं।
सिग्नल-नियंत्रण नीतियों को सीखने के लिए आमतौर पर किस मशीन लर्निंग दृष्टिकोण का उपयोग किया जाता है?
सुदृढीकरण सीखने से एक एजेंट को परीक्षण और त्रुटि के माध्यम से नियंत्रण नीतियां सीखने में मदद मिलती है, जिसे वाहन विलंब को कम करने के लिए पुरस्कृत किया जाता है।
सुदृढीकरण सीखने वाले ट्रैफ़िक एजेंट में, इनाम आम तौर पर क्या दंडित करता है?
इनाम आम तौर पर कुल देरी या कतार की लंबाई को दंडित करता है, जिससे एजेंट को ट्रैफ़िक चालू रखने के लिए प्रेरित किया जाता है।
एक को अनुकूलित करने की तुलना में एकाधिक चौराहों का समन्वय करना कठिन क्यों है?
सिग्नल एक दूसरे पर निर्भर होते हैं, इसलिए एक प्रकाश में परिवर्तन नीचे की ओर तरंगित होता है, जिसके लिए हरी तरंगों के लिए बहु-एजेंट समन्वय की आवश्यकता होती है।
Google का प्रोजेक्ट ग्रीन लाइट किस उद्देश्य से डिज़ाइन किया गया था?
प्रोजेक्ट ग्रीन लाइट ने ड्राइविंग पैटर्न का विश्लेषण करने और स्टॉप और उत्सर्जन को कम करने के लिए सिग्नल रीटाइमिंग की सिफारिश करने के लिए एआई का उपयोग किया।