Pekiştirmeli Öğrenme ile Rota Optimizasyonu Nasıl Çalışır?
Yapay zeka, rota planlamasını köklü biçimde değiştiriyor. Bu dönüşümün merkezinde pekiştirmeli öğrenme (Reinforcement Learning — RL) var: bir ajanın deneme-yanılma yoluyla optimum stratejiyi öğrendiği, her seferinde daha iyi hale gelen bir öğrenme paradigması. vitaRoute'un RL-SBRP motoru bu yaklaşımı Türkiye'deki öğrenci ve personel taşımacılığına uyarladı.
Pekiştirmeli Öğrenme Nedir?
Pekiştirmeli öğrenme (Reinforcement Learning — RL), bir ajanın çevreyle etkileşim kurarak ve aldığı ödül/ceza sinyallerine dayanarak zamanla optimum kararlar vermeyi öğrendiği makine öğrenmesi paradigmasıdır. 'Deneme-yanılma + ödüllendirme' döngüsü, ajanın her yeni durumda en iyi eylemi seçmesini sağlar.
Satranç ustası DeepMind AlphaGo, atari oyunları oynayan DQN, robotik kontrol sistemleri — bunlar hepsi RL'nin pratik uygulamalarıdır. vitaRoute RL'yi taşımacılık optimizasyonuna uyguluyor.
- Ajan (Agent) — Kararları veren sistem (vitaRoute'un optimizasyon motoru)
- Çevre (Environment) — Yol ağı, yolcular, araçlar, kısıtlar
- Eylem (Action) — Bir durağı seçme, bir yolcuyu atama, rotayı güncelleme
- Ödül (Reward) — Toplam mesafe azaltma, doluluk oranı artırma, kısıt ihlali cezası
RL Neden Rota Optimizasyonuna Uygun?
Klasik optimizasyon yöntemleri (ILP, genetik algoritmalar) problem boyutu büyüdüğünde yetersiz kalır. RL ise bir kez eğitildikten sonra yeni problemleri çok hızlı çözebilir — çünkü hangi tür kararların genellikle iyi sonuç verdiğini öğrenmiştir.
Ayrıca RL, gerçek dünya belirsizliğiyle (trafik, hava koşulları, anlık yolcu değişimleri) başa çıkma konusunda klasik yöntemlerden daha esnektir.
Klasik bir VRP çözücüsü bir problemi ilk kez gördüğünde sıfırdan çalışır. RL ajanı ise binlerce benzer problemi daha önce 'gördüğü' için çok daha hızlı ve etkili bir başlangıç noktasından hareket eder.
vitaRoute'un RL-SBRP Yaklaşımı
vitaRoute'un RL ajanı, öğrenci ve personel taşımacılığına özgü binlerce sanal senaryo üzerinde eğitilmiştir. Eğitim verileri Türkiye'nin gerçek yol ağını, İstanbul ve diğer büyük şehirlerin trafik örüntülerini ve MEB yönetmelik parametrelerini içermektedir.
Ajan, her karar adımında şu ödül sinyallerini optimize eder:
- Toplam filome mesafesi minimizasyonu (negatif ödül: her ekstra km için ceza)
- Araç doluluk oranı maksimizasyonu (pozitif ödül: yüksek doluluk için bonus)
- Yürüme mesafesi kısıtı uyumu (negatif ödül: ihlal başına ceza)
- Zaman penceresi uyumu (okul saatine zamanında ulaşma bonusu)
Klasik Yöntemlerle Karşılaştırma
vitaRoute'un RL-SBRP yaklaşımını klasik yöntemlerle kıyaslayan benchmark sonuçları:
- Hesaplama süresi: RL-SBRP klasik GA'dan 40-60% daha hızlı
- Çözüm kalitesi: Ortalama toplam mesafede %8-12 iyileşme
- 1.000 yolcu için: maksimum 10 saniye (klasik GA: 5-8 dakika)
- Günlük değişimler için: dinamik yeniden optimizasyon <3 saniye
Gerçek Dünya Uygulaması: Öğrenci Taşımacılığı
RL-SBRP motoru Türkiye'deki aktif okul servisi operasyonlarında kullanılmaktadır. Tipik bir 300 öğrencili, 12 araçlı senaryo için:
- Optimizasyon süresi: 3-5 saniye
- Manuel planlamaya göre toplam mesafe azalması: %17
- Araç doluluk oranı: %72'den %89'a
- Ortalama yolcu başına seyahat süresi: 4 dakika kısalma
Pekiştirmeli öğrenme, rota optimizasyonunu yalnızca daha hızlı değil, daha akıllı hale getiriyor. Her yeni senaryo, sistemin daha iyi kararlar vermesine katkı sağlıyor. vitaRoute'un RL-SBRP motoru bu öğrenme döngüsünü Türkiye'deki öğrenci ve personel taşımacılığının gerçek koşullarına göre kalibre edilmiş biçimde sunuyor.