Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

רשת Q-טרנספורמר גרפי לממשק שיתופי וקבלת החלטות מבוזרת ברשתות עם צמתים מרובי־צמתים

· חזרה לאינדקס

מדוע רמזורים חכמים חשובים

כל מי שנוהג בעיר מכיר את התסכול של פגיעה בשרשרת אורות אדומים, גם כאשר הדרך נראית פנויה. גלי העצירה וההתנעה האלה הם לא רק מטרד: הם מבזבזים זמן, שורפים דלק, ועלולים לשתק שלוחות שלמות כאשר תורים מתארכים וחוסמים כמה צמתים. המחקר בוחן דרך חדשה לגרום לרמזורים "לשוחח" זה עם זה כך שגלים ירוקים ייווצרו באופן אמין יותר לאורך מקטעים ארוכים, גם כאשר התנועה בלתי צפויה ורשת הרחובות גדולה ומורכבת.

Figure 1. רמזורים לאורך שלוחה עירונית משתפים פעולה כדי להזיז כלי רכב בצורה חלקה עם פחות עצירות באור אדום.
Figure 1. רמזורים לאורך שלוחה עירונית משתפים פעולה כדי להזיז כלי רכב בצורה חלקה עם פחות עצירות באור אדום.

איך רחובות העיר הופכים לרשת

המחברים מתחילים בטיפול במערכת דרכים עירונית כרשת של נקודות מחוברות. כל צומת הוא קודקוד וכל כביש ביניהם הוא קשת. כל בקר רמזור רואה רק את מה שסנסורים מקומיים מדווחים: כמה רכבים ממתינים, כמה זמן הם מעוכבים, ואיזה פאזה כעת ירוקה. אף בקר אינו מחזיק בתמונה מלאה של העיר בבת אחת, אך כל שינוי אור משפיע על תנועה שתגיע לצמתים אחרים מאוחר יותר. האתגר הוא לאפשר לבקרים מקומיים אלה לשתף פעולה כך שכלי רכב יוכלו לנסוע לאורך שלוחה עם כמה שפחות עצירות מיותרות, תוך שמירה על שירות לרחובות צדדיים ולתנועת פניות.

ללמד רמזורים לשתף פעולה שלב אחרי שלב

במקום תכניות תזמון מעוצבות בעבודה ידנית, המחברים משתמשים בלמידת חיזוק, שבה אלגוריתם לומד מניסיונות במדמה תנועה ותצפיות של התוצאות. כל צומת מתנהג כסוכן שבוחר איזו פאזה להציג בהמשך ולכמה זמן. החדשנות המרכזית היא שיטה שנקראת רשת Q-טרנספורמר גרפית, או GTQN, שמחליטה אילו צמתים שכנים חשובים ביותר בכל רגע. היא עושה זאת בשתי שלבים: תחילה בוחרים קבוצה קטנה של שכנים משפיעים מזרימה או אל זרימה, ואז מקצים לכל אחד מהם כוח השפעה המבוסס על מצב התנועה הנוכחי. כך נמנע מהבקר להצף במידע רעשי מצמתים מרוחקים שיש להם מעט השפעה על תנועתו.

Figure 2. צמתים שכנים מחליפים רמזים מרכזיים כך שאורות ירוקים מסתנכרנים עם קבוצות רכבים המגיעות לאורך זמן.
Figure 2. צמתים שכנים מחליפים רמזים מרכזיים כך שאורות ירוקים מסתנכרנים עם קבוצות רכבים המגיעות לאורך זמן.

לעקוב אחרי התנועה במרחב ובזמן

כדי ליצור גל ירוק חלק, רמזור צריך לצפות רכבים ששוחררו כמה צמתים קודם לכן ואולי יגיעו לאחר שניות רבות. GTQN מתמודד עם זה על ידי שילוב מידע על פריסת הרשת עם רישום של איך התנאים השתנו לאורך הזמן. מודול טרנספורמר, שפופולריזציה שלו נעשתה במודלים לשפה, משמש כדי להסתכל אחורה על ההיסטוריה האחרונה בכל צומת ולמיין אילו רגעים בעבר חשובים להחלטה הנוכחית. במקביל, מודול גרפי מסיק מסקנות מהחיבורים בין הצמתים. על ידי איחוד המרחב והזמן במודל אחד, המערכת לומדת איך פלוטונים של כלי רכב נעים לאורך שלוחה ואיך ליישר בצורה מיטבית את האורות הירוקים עם הגעתם.

להציב מטרות שמעבר לפינה בודדת

אם כל רמזור ישאף רק לרוקן את התור שלו, ביצועי השילוחה הכוללת עלולים להיפגע. לדוגמה, רמזור במורד הזרם עשוי לקצר פאזה ירוקה שהייתה מאפשרת לקבוצה של רכבים המגיעה מאפשר upstream לעבור ללא עצירה. כדי להימנע מכך, המחברים מעצבים מטרה דו‑שכבתית. כל צומת עדיין מתוגמל על הקטנת התורים וזמני ההמתנה שלו, אך גם אות אימון מרכזי מעניש עצירות נוספות שחווים כלי רכב הנעים לאורך השילוחה לאחר ששוחררו מנקודת הכניסה. במהלך האימון מודול "ממשל" מרכזי משתמש בציון ברמת השילוחה כדי לכוון את הלמידה. לאחר האימון, הבקרים שלמדו פועלים באופן מקומי ומשתפים רק הודעות מדודות וממוקדות עם השכנים הנבחרים.

מה מראים המדמות

הצוות בודק את GTQN בסימולציות מפורטות של רשתות ריבועיות סינתטיות ושל רשת עירונית אמיתית מצ'נגדו, סין, כולל מערכת עם 100 צמתים. בהשוואה למספר שיטות בקרה רב‑סוכניות מתקדמות, GTQN מקטין את תדירות העצירות, מקצר זמני המתנה ומונע מהתורים להתארך עד חסימת צמתים במעלה הזרם. הוא גם שומר על ביצועים סבירים כאשר חלק מהודעות בין צמתים מתעכבות או אובדות — תכונה חשובה לרשתות תקשורת מציאותיות. מחקרים של הסרת רכיבים מראים שכל מרכיב בעיצוב חשוב: הספארסיות הנלמדת, המודל המשולב של מרחב‑זמן ואות האימון המרכזי תורמים כולם לתיאום חסין.

מה המשמעות לנסיעה היומיומית

לנהגים, רוכבי אופניים ונוסעי אוטובוס, הרעיון פשוט: במקום שכל רמזור יעבוד בבידוד, האותות לאורך שלוחה לומדים לצפות זה בזה ולהגן על תנועת קבוצות כלי רכב. בסימולציות ברזולוציה גבוהה הדבר מוביל לפחות עצירות, תורים קצרים יותר ומהירויות נסיעה יציבות יותר לאורך מסלולים עמוסים. למרות שהמחקר מוגבל עדיין לסביבה וירטואלית ואינו מטפל עדיין בהולכי רגל, בעדיפות לתחבורה ציבורית או בכל התקלות של חומרה בעולם האמיתי, הוא מראה כי שיתוף פעולה מתוכנן היטב בין רבים מבקרים מקומיים יכול להפוך שרשרת של אורות אדומים כאוטית לנסיעה צפויה ויעילה יותר.

ציטוט: Zhang, H. Graph transformer Q-network for collaborative governance and decentralized decision-making in multi-intersection networks. Sci Rep 16, 15549 (2026). https://doi.org/10.1038/s41598-026-45895-2

מילות מפתח: בקרה על אותות תנועה, למידת חיזוק רב־סוכנית, טרנספורמר גרפי, התקדמות במסלול, תחבורה חכמה