Bachelor's Thesis

Methods for solving road network collapse

Final Thesis 4.71 MB

Author of thesis: Bc. Jan Chorobik

Acad. year: 2025/2026

Supervisor: Ing. Kamil Řehák, Ph.D.

Reviewer: Ing. Aleš Prokop, Ph.D.

Abstract:

Most modern cities have to deal with high volumes of vehicle traffic that cause traffic congestion and increase the risk of road network collapse. To mitigate these issues, the usual solutions include traffic restrictions, congestion charging and establishing park-and-ride schemes. However, their implementation process usually faces opposition and takes a long time. A faster, but only a limited-time solution is being proposed in increasing the throughput of road intersections whose capacity is often the road networks’ limiting factor. The recent development of artificial intelligence and machine learning can dramatically simplify and speed up the optimization of traffic signal plans, but its practical uses are limited by a number of practical and safety concerns. This paper aims to describe the advantages of reinforcement learning in traffic signal control and validate them in a traffic simulation. The obtained results confirm the technology’s potential: the proposed RL agent was able to achieve a more than 50 % decrease in waiting time at the simulated intersection and an average 5.6 % increase in its throughput.

Keywords:

urban traffic control, sustainable mobility, traffic signal control, reinforcement learning

Date of defence

08.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaAznamka

Grading

A

Process of defence

Student prezentoval zkušební komisi svou závěrečnou práci a zodpověděl otázky oponenta. Otázky oponenta: 1) Prosím o zhodnocení, jak by se změnila výkonnost navrženého RL agenta při výrazně odlišném dopravním zatížení, než na kterém byl trénován? Hodnocení: Zodpovězeno. 2) Jaké jsou hlavní překážky praktického nasazení metod zpětnovazebního učení v reálném řízení křižovatek? Hodnocení: Zodpovězeno. Následně odpovídal na otázky členů zkušební komise: 1) Není možné doplnit bezpečnostní systém, tak aby bylo možné agenta nasadit v praxi? Hodnocení: Zodpovězeno. 2) Jak jsou generovány průjezdy křižovatkou? Hodnocení: Zodpovězeno. 3) Není někdy vhodné doplnit omezující podmínku, např. při hustém provozu? Hodnocení: Zodpovězeno. 4) Proč je účinek AI agenta dočasný? Hodnocení: Zodpovězeno. 5) Co jsou vstupy pro řízení křižovatky? Hodnocení: Zodpovězeno. 6) Používá se někde ve světě tento typ řízení? Hodnocení: Zodpovězeno. 7) Agent se tvoří pro 1 křižovatku, nebo pro celý systém? Hodnocení: Zodpovězeno. 8) Jak je definována rychlost vozidel průjezdu křižovatkou? Jaký vliv by měla její změna? Hodnocení: Zodpovězeno. 9) Je zohledněna rozdílná hmotnost vozidel? Hodnocení: Zodpovězeno. 10) Lze nastavit chování řidičů? Hodnocení: Zodpovězeno. 11) Jakým způsobem simuluje vozidlo software SUMO? Jak řeší dynamiku vozidla? Hodnocení: Částečně zodpovězeno. 12) Co považujete za kolaps silniční sítě? Hodnocení: Zodpovězeno. 13) Mělo by účinek platit MHD z ceny paliv pro vozidla? Hodnocení: Zodpovězeno. 14) Na slidu č. 10 nejsou v grafech stejná měřítka, proč? Hodnocení: Zodpovězeno. 15) Jak jste vytvářel RL agenta? Hodnocení: Zodpovězeno.

Language of thesis

Czech

Faculty

Fakulta strojního inženýrství

Department

Institute of Automotive Engineering

Study programme

Fundamentals of Mechanical Engineering (B-ZSI-P)

Specialization

Fundamentals of Mechanical Engineering (STI)

Composition of Committee

doc. Ing. Petr Porteš, Ph.D. (předseda)
doc. Ing. Zdeněk Kaplan, CSc. (místopředseda)
Ing. Jan Fojtášek, Ph.D. (člen)
Ing. Petr Hejtmánek, Ph.D. (člen)
Ing. Lubor Zháňal, Ph.D. (člen)

Supervisor’s report
Ing. Kamil Řehák, Ph.D.

Bakalářská práce pana Chorobika se zabývá velmi aktuální problematikou dopravního kolapsu uvnitř velkých měst. Student ke zpracování práce přistupoval zodpovědně, pravidelně se účastnil konzultací, na které byl vždy připraven s adekvátními dotazy. Tento přístup se odráží i v úrovni závěrečné práce, kde postupoval dle logicky zvolených kroků a vyvinul velkou míru vlastní iniciativy pro shromáždění informací, jež jsou v práci přehledně uvedeny. Na kapitolu zabývající se zlepšení řízení křižovatek tak bylo možné navázat citlivostní studií, kterou vykonal v simulátoru Sumo, kde využil i zpětnovazebného učení. Vzájemné porovnání je zpracováno na velmi dobré úrovni. Celkové zhodnocení přístupů ke snížení dopravního kolapsu je napsána s ohledem na podmínky České republiky. Bakalářská práce je zpracována na velmi dobré úrovni a práci doporučuji k obhajobě.
Evaluation criteria Grade
Fulfilment of requirements and objectives of assignment A
Working process, extent and suitability of applied methods A
Scholarly contribution and originality A
Ability to interpret achieved results and draw conclusions A
Applicability of results in practice or theory B
Logical arrangement of thesis and its layout A
Grafic layout, used style and language level A
Work with used sources including quotations A
Student's independence when working on the topic A

Grade proposed by supervisor: A

Reviewer’s report
Ing. Aleš Prokop, Ph.D.

Bakalářská práce pana Chorobika se zabývá problematikou dopravního kolapsu silniční sítě ve městech a možnostmi jeho řešení. Práce je členěna na rešeršní část (26 stran) a praktickou část (22 stran), zaměřenou na aplikaci metod zpětnovazebního učení pro řízení světelně řízené křižovatky v simulačním prostředí SUMO. Téma je aktuální a svou povahou přesahuje tradiční oblasti dopravního inženýrství směrem k využití metod umělé inteligence. Rešeršní část poskytuje přehled nejvýznamnějších opatření používaných pro snižování dopravní zátěže ve městech, jako jsou nízkoemisní zóny, zpoplatnění vjezdu, parkoviště P+R, podpora veřejné dopravy a moderní metody řízení křižovatek. Oceňuji zejména snahu autora o kritické hodnocení jednotlivých přístupů a využití řady zahraničních případových studií.
Praktická část je zaměřena na formulaci úlohy řízení křižovatky pomocí zpětnovazebního učení, vytvoření simulačního modelu a porovnání výsledků s konvenčními způsoby řízení. Zvolený postup považuji za odpovídající současným trendům výzkumu inteligentních dopravních systémů. Pozitivně hodnotím skutečnost, že autor nejen implementoval RL agenta, ale provedl i citlivostní studii pro různé dopravní scénáře.
Po jazykové a formální stránce je práce zpracována na velmi dobré úrovni. Text je přehledný, logicky strukturovaný a obsahuje pouze drobné stylistické nepřesnosti.
Množství a relevanci zdrojů považuji za velmi dobrou, přičemž je dostatečně popsán i způsob využití AI.

Práci doporučuji k obhajobě.
Evaluation criteria Grade
Fulfilment of requirements and objectives of assignment A
Working process, extent and suitability of applied methods A
Scholarly contribution and originality A
Ability to interpret achieved results and draw conclusions A
Applicability of results in practice or theory B
Logical arrangement of thesis and its layout A
Grafic layout, used style and language level A
Work with used sources including quotations B
Topics for thesis defence:
  1. Prosím o zhodnocení, jak by se změnila výkonnost navrženého RL agenta při výrazně odlišném dopravním zatížení, než na kterém byl trénován?
  2. Jaké jsou hlavní překážky praktického nasazení metod zpětnovazebního učení v reálném řízení křižovatek?

Grade proposed by reviewer: A

Responsibility: Mgr. et Mgr. Hana Odstrčilová