چکیده: چکیده افزایش روزافزون حجم ترافیک در مناطق شهری و محدودیت ظرفیت زیرساخت‌های حمل‌ونقل، مدیریت هوشمند تقاطع‌های شهری را به یکی از چالش‌های اساسی در سامانه‌های حمل‌ونقل هوشمند تبدیل کرده است. روش‌های متداول کنترل چراغ‌های راهنمایی عمدتاً مبتنی بر زمان‌بندی ثابت یا مدل‌های از پیش تعریف‌شده بوده و در مواجهه با تغییرات پویای جریان ترافیک از کارایی مطلوبی برخوردار نیستند. در این پژوهش، یک چارچوب هوشمند برای مدیریت برخط تقاطع‌های شهری با استفاده از یادگیری تقویتی عمیق و داده‌های شمارش وسایل نقلیه ارائه شده است. در روش پیشنهادی، اطلاعات لحظه‌ای حاصل از شمارش خودروها در ورودی‌های تقاطع به‌عنوان وضعیت محیط در نظر گرفته شده و عامل یادگیرنده با بهره‌گیری از الگوریتم Deep Q-Network (DQN)، سیاست بهینه کنترل فازهای چراغ راهنمایی را به‌صورت پویا استخراج می‌کند. به‌منظور ارزیابی عملکرد روش پیشنهادی، یک تقاطع چهارشاخه شهری در محیط شبیه‌سازی SUMO مدل‌سازی شده و سناریوهای مختلف ترافیکی شامل شرایط کم‌تراکم، متوسط و پرتراکم مورد بررسی قرار گرفته‌اند. فضای حالت بر اساس تعداد وسایل نقلیه، طول صف و وضعیت فعلی چراغ راهنمایی تعریف شده و تابع پاداش با هدف کاهش زمان انتظار، کاهش طول صف و افزایش نرخ عبور وسایل نقلیه طراحی گردیده است. نتایج شبیه‌سازی نشان می‌دهد که رویکرد پیشنهادی در مقایسه با روش‌های زمان‌بندی ثابت و کنترل تطبیقی مرسوم، موجب کاهش معنادار تأخیر متوسط وسایل نقلیه، کاهش طول صف در ورودی‌های تقاطع و افزایش کارایی بهره‌برداری از ظرفیت شبکه می‌شود. یافته‌های این تحقیق بیانگر آن است که استفاده از یادگیری تقویتی عمیق مبتنی بر داده‌های لحظه‌ای ترافیکی می‌تواند راهکاری مؤثر برای مدیریت هوشمند و بلادرنگ تقاطع‌های شهری در سامانه‌های حمل‌ونقل نسل آینده فراهم آورد.