न्यूरो-वीएई-प्रतिनिधिक गतिशील ट्रैफिक प्रबंधन

आधुनिक ट्रैफिक प्रबंधन को जटिल, गैर-स्थिर धारा पैटर्न की भविष्यवाणी करने की क्षमता को सुरक्षा और कानूनी बाधाओं (जैसे, न्यूनतम पैदल यात्री अंतराल, अधिकतम चक्र लंबाई) के कड़े प्रवर्तन के साथ संतुलित करना चाहिए। जबकि वैरिएशनल ऑटोएन्कोडर्स (वीएई) जैसे जनरेटिव मॉडल ट्रैफिक डायनामिक्स को प्रभावी रूप से कैप्चर कर सकते हैं, पूरी तरह से डेटा-चालित दृष्टिकोण अक्सर डोमेन-विशिष्ट नियमों का सम्मान करने में असफल रहते हैं। हम एक न्यूरो-वीएई-प्रतिनिधिक ढांचा प्रस्तुत करते हैं जो वीएई-आधारित उत्पादन की लचीलापन के साथ प्रतिनिधिक तर्क की नियम-प्रवर्तन क्षमताओं को जोड़ता है। ट्रैफिक विनियमों द्वारा परिभाषित व्यवहार्य क्रिया स्थान पर कच्चे न्यूरल आउटपुट को प्रक्षिप्त करके, हमारी विधि गतिशील मांग के लिए अनुकूलता और कड़ी बाधा अनुपालन दोनों को सुनिश्चित करती है। बेंचमार्क डेटासेट पर प्रयोगों से पता चलता है कि हमारी विधि औसत प्रतीक्षा समय को 15% तक कम करती है, कतार की लंबाई को 10-20% घटाती है, और थ्रूपुट को 5-8% बढ़ाती है, जबकि लगभग-zero नियम उल्लंघनों को बनाए रखती है। ये परिणाम दर्शाते हैं कि न्यूरो-प्रतिनिधिक एकीकरण उच्च-निष्ठता ट्रैफिक परिदृश्य उत्पन्न करने के साथ-साथ विश्वसनीय, विनियम-पालन निर्णय लेने में सक्षम बनाता है, जो गतिशील शहरी ट्रैफिक नियंत्रण के लिए एक मजबूत समाधान प्रदान करता है।