Nghiên cứu ứng dụng fuzzy logic và neural networks trong điều khiển đèn giao thông

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA WY * ZX NGUYỄN VĂN SƠN ĐỀ TÀI: NGHIÊN CỨU ỨNG DỤNG FUZZY LOGIC VÀ NEURAL NETWORKS TRONG ĐIỀU KHIỂN ĐÈN GIAO THÔNG A STUDY ON FUZZY LOGIC AND NEURAL NETWORKS APPLIED TO TRAFFIC LIGHT CONTROL CHUYEÂN NGÀNH: KỸ THUẬT VÔ TUYẾN - ĐIỆN TỬ MÃ SỐ NGÀNH :2.07.01 LUẬN ÁN CAO HỌC TP Hồ Chí Minh 06 - 2002 LỜI CẢM ƠN Em xin chân thành cảm ơn thầy TS Lê Tiến Thường thầy ThS Hoàng Đình Chiến, người trực tiếp hướng dẫn tận tình, trao kiến thức quý báu kinh nghiệm học tập nghiên cứu suốt trình làm luận văn Em xin cảm ơn thầy cô trường Đại Học Bách Khoa TP Hồ Chí Minh nói chung thầy cô môn Điện tử Viễn thông nói riêng mang đến cho em nhiều kiến thức bổ ích suốt trình học tập trường Con xin biết ơn cha mẹ, bà bạn bè thân hữu có lời động viên giứp đỡ, tạo điều kiện thuận lợi vật chất tinh thần trình học tập làm luận văn Tp HCM, ngày 14 tháng năm 2002 Học viên: Nguyễn Văn Sơn Lời nói đầu NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến LỜI NÓI ĐẦU Số lượng xe cộ nhu cầu vận chuyển ngày tăng cao, dẫn đến tình trạng kẹt xe ngày nghiêm trọng, thành phố lớn với mạng lưới giao thông chằng chịt Hai xu hướng phát triển giới nói chung Việt Nam nói riêng tốc độ tăng dân số nhanh, mật độ dân cư cao trình đô thị hoá nhanh Tốc độ gia tăng dẫn đến nhu cầu lớn giao thông đường bộ, mà hệ thống đường điều kiện giao thông Việt Nam chưa thể đáp ứng Nguyên nhân điển hình gây ách tắc giao thông là: - Lưu lượng xe cộ lớn, lại thay đổi theo thời gian - Tình trạng đường sá xấu, đặc biệt trình xây dựng - Thành phần xe hỗn tạp - Kiến thức luật lệ giao thông người đường thấp… Tắc nghẽn giao thông thường xảy cửa ngõ vào thành phố lớn, Hà Nội TP Hồ Chí Minh kéo dài hàng thời kỳ cao điểm Một số giải pháp để giải vấn đề kẹt xe như: - Xây dựng thêm đường để tránh tượng thắt cổ chai - Xây dựng hệ thống vận chuyển công cộng hiệu cao bus, taxi - Phát triển hệ thống mạng viễn thông tốc độ cao để giảm nhu cầu lại - Sử dụng tốt khả có sở hạ tầng, tổ chức đưa đón công nhân cho nhà máy lớn khu công nghiệp - Cải tiến nâng cấp hệ thống điều khiển giao thông, phân luồng xe cộ… Gần giải pháp đánh giá cao việc chống tình trạng kẹt xe chọn xây dựng thêm đường mới, xây dựng hệ thống vận chuyển công cộng hiệu cao quản lý hiệu hệ thống điều khiển giao thông Một giải pháp dựa vào hệ thống thông minh hệ thống đường Theo nhận định cách tiếp cận thực thi tương lai gần Trong cách tiếp cận cố gắng điều chỉnh phân luồng xe cộ, phát triển hệ thống biển báo tìm đường động, điều chỉnh lượng phương tiện giao thông vào điểm nút đường cao tốc Một phương pháp theo hướng tiếp cận sử dụng điều khiển có LUẬN ÁN CAO HỌC Trang Lời nói đầu NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến hiệu hệ thống đèn giao thông thành phố lớn, khu đông dân điểm vào đường cao tốc, đường Điều khiển đèn giao thông phải đảm bảo thời gian chờ trung bình xe giao lộ nhỏ, giảm ách tắc giao thông tăng an toàn giao thông Thời gian chu kỳ đèn có ý nghóa quan trọng, thời hạn phải tối ưu vừa đủ cho số xe hướng cho phép vượt qua giao lộ, bảo đảm lượng xe thông qua giao lộ cao Trong điều kiện giao thông ngày nay, lưu lượng xe thường thay đổi liên tục theo thời gian theo đoạn đường Điều khiển đèn giao thông có chu kỳ cố định tỏ không hiệu việc giảm tổn thất thời gian chờ xe nút giao thông làm giảm hiệu suất lưu thông Điều khiển đèn giao thông dùng logic mờ mạng neuron thay cho hệ thống điều khiển đèn giao thông thông thường, sử dụng thích hợp điều kiện giao thông có mật độ xe thay đổi Bộ điều khiển neuro-fuzzy giám sát điều kiện giao thông thực tế giao lộ điều khiển đèn giao thông tương ứng Khi lưu lượng xe thay đổi, điều khiển đèn giao thông dùng neuro-fuzzy thay đổi chu kỳ đèn tín hiệu tương ứng Luận văn trình bày sau: Chương 1: Trình bày khái niệm chung đường giao thông đô thị, nút giao thông tín hiệu điều khiển giao thông Chương 2: Trình bày sơ lược logic mờ Chương 3: Trình bày sơ lược mạng neuron Chương 4: Trình bày ứng dụng mạng neuron logic mờ việc giải toán giao thông Cuối luận văn tài liệu tham khảo Để làm đề tài luận văn này, em nhận hướng dẫn tận tình thầy TS Lê Tiến Thường thầy ThS Hoàng Đình Chiến giảng dạy thầy cô môn Điện Tử – Viễn Thông Em vô biết ơn mong quý thầy cô tiếp tục góp ý để luận văn hoàn thiện LUẬN ÁN CAO HỌC Trang Tóm tắt NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến TÓM TẮT ch tắc giao thông vấn đề lớn nhiều thành phố giới Trong thành phố lớn Việt Nam Hà Nội TP Hồ Chí Minh, ách tắc giao thông xảy ngày vào cao điểm Một cách để khắc phục tình trạng ách tắc giao thông nghiên cứu thực hệ thống giám sát điều khiển tín hiệu giao thông thông minh Tín hiệu giao thông thông thường hoạt động dựa chu kỳ cài đặt trước độc lập với tình trạng giao thông thực tế Độ dài chu kỳ tín hiệu dựa trung bình số xe qua giao lộ không thích hợp với tình trạng giao thông ngày có mật độ thay đổi Luận văn nghiên cứu việc ứng dụng mạng neuron logic mờ để điều khiển đèn giao thông Mạng neuron có khả học hỏi, gợi nhớ, tổng quát hóa từ mẫu liệu huấn luyện, logic mờ có khả biểu diễn đại lượng mờ suy nghó chủ quan người Hai điều khiển đèn giao thông thông minh dùng mạng neuron logic mờ nghiên cứu điều khiển đèn giao thông cho giao lộ độc lập điều khiển đèn giao thông cho nhóm giao lộ Bộ điều khiển đèn giao thông giao lộ độc lập điều khiển đèn giao thông dựa điều kiện giao thông thực tế giao lộ đọc từ cảm biến Nó nhận dạng loại xe dùng mạng neuron sau điều khiển tín hiệu giao thông dùng logic mờ Độ dài chu kỳ tín hiệu kéo dài rút ngắn lại tùy theo điều kiện giao thông thực tế giao lộ Hệ thống điều kiển đèn giao thông cho nhóm nút giao thông gồm có điều khiển chủ (master) điều khiển cục giao lộ Các điều khiển cục điều khiển đèn giao thông dựa điều kiện giao thông thực tế giao lộ giao tiếp với điều khiển chủ để kết hợp với nút giao thông lân cận Các phương pháp đề xuất so sánh với điều khiển đèn có chu kỳ cố định thời gian chờ trung bình xe dùng làm số so sánh Một chương trình viết ngôn ngữ MATLAB dùng để mô hai trường hợp điều khiển đèn có chu kỳ cố định điều khiển dựa điều khiển neuro-fuzzy Kết mô cho thấy điều khiển neuro-fuzzy cho kết tốt điều kiện giao thông có mật độ cao thay đổi theo thời gian LUẬN ÁN CAO HỌC Trang Abstract NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến ABSTRACT Traffic congestion was and is being a serious problem in many cities around the world In the large cities in Viet Nam such as Ha Noi and Ho Chi Minh City, the traffic congestion occurs everyday at peak hours One of ways to overcome traffic problems is through the development of intelligent monitoring and control of traffic lights systems Fixed-time traffic signal operates on a preset signal-cycling scheme independent of traffic conditions Its cycle length is based on the number of average vehicles passing intersection and is unsuitable in today varying traffic conditions This thesis presents a study on fuzzy logic and neural networks applied to traffic light control Neural networks has ability to learn, recall and generalize from training pattern or data, while fuzzy logic has ability to express the amount of ambiguity in human thinking and subjective Two intelligent traffic lights control systems using fuzzy logic and neural networks are addressed The controller for an isolated intersection controls the traffic lights based on its own actual traffic conditions at intersection getting from detectors It antecedently recognizes vehicle type using neural networks, after that traffic signal is changed by fuzzy control It can extend or reduces cycle length adaptively to actual traffic conditions The traffic light controller of an intersections group includes a master controller and many local controllers at intersections The local controllers control the traffic lights based on its own traffic conditions and communicate with master controller to cooperate with its neighbors The proposed methods are compared with fixed-time traffic lights control and average delay time of vehicles is used as a performance index A software based on MATLAB has been developed to simulate an isolated traffic intersection and a group of intersections The control of traffic lights using both conventional fixed-time and fuzzy logic controllers can be simulated in the software The simulation results show good performance in the case of time-varying traffic and heavy traffic conditions LUẬN ÁN CAO HỌC Trang Mục lục NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến MỤC LỤC ABSTRACT TÓM TẮT LỜI NÓI ĐẦU CHƯƠNG 1: Khái niệm chung giao thông đường đô thị 1.1 Khái niệm chung giao thông đô thị 1.2 Khái niệm chung đường đô thị 1.2.1 Vò trí tác dụng đường đô thị 1.2.2 Các phận đường đô thị 10 1.2.3 Đặc điểm đường đô thị 10 1.3 Khái niệm chung nút giao thông 11 1.3.1 Định nghóa nút giao thông 11 1.3.2 Phaân loại nút giao thông 11 1.3.3 Đánh giá mức độ phức tạp, an toàn nút giao thông 14 1.3 Các tiêu chuẩn lựa chọn biện pháp tổ chức giao thông loại hình nút giao thông 18 1.3.5 Tính toán tổn thất thời gian hành trình xe qua nút giao thông 24 1.4 Hoạt động tín hiệu điều khiển giao thông 29 1.4.1 Điều khiển giao thông đèn tín hiệu 29 1.4.2 Điều khiển giao thông giao lộ độc lập 30 1.4.3 Điều khiển giao thông phối hợp ngã tư kề liền hệ thống đèn tín hiệu 35 1.5 Hiện trạng giao thông thành phố lớn Việt Nam 42 CHƯƠNG 2: Logic mờ 2.1 Tập mờ 47 2.1.1 Định nghóa tập mờ 47 2.1.2 Các tính chất tập mờ 49 2.1.3 Các phép toán tập mờ 50 2.1.4 Tập mờ điểm siêu hình lập phương 52 2.2 Quan hệ mờ 53 2.2.1 Số lượng quan hệ mờ 54 2.2.2 Các phép toán quan hệ mờ 54 2.2.3 Các tính chất quan hệ mờ 54 LUẬN ÁN CAO HỌC Mục lục NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến 2.2.4 Tích Cartesian phép toán hỗn hợp mờ 55 2.2.5 Tập mờ không tương tác lẫn 55 2.2.6 Quan hệ xấp xỉ quan hệ tương đương mờ 56 2.2.7 Gán giá trị liên thuộc cho quan hệ mờ 57 2.3 Các số mờ, vector mờ nguyên lý mở rộng 57 2.3.1 Nguyên lý mở rộng 57 2.3.2 Các số mờ 61 2.3.3 Vector mờ 61 2.4 Logic mờ 63 2.4.1 Mờ hóa 63 2.4.2 Giải mờ 63 2.4.3 Các biến ngôn ngữ 67 2.4.4 Các từ bổ nghóa ngôn ngữ 68 2.4.5 Logic mờ 69 2.4.6 Cơ sở luật mờ 71 2.4.7 Suy diễn mờ 76 2.4.8 Phép lặp thừa, mâu thuẫn, tương đương chứng minh logic logic mờ 76 2.4.9 Các dạng phép toán kéo theo 78 2.4.10 Các dạng phép toán hợp thành 79 2.4.11 Các kỹ thuật suy diễn đồ thị 80 2.5 Các ứng dụng logic mờ 85 2.5.1 Sự phát triển công nghệ mờ 85 2.5.2 Điều khiển mờ 86 2.5.3 Các hệ chuyên gia mờ 90 2.5.4 Nhận dạng mờ 92 2.5.3 Hệ hỗ trợ định 92 CHƯƠNG Mạng neuron 3.1 Giới thiệu mạng neuron nhân tạo 94 3.2 Các mô hình luật học hỏi mạng neuron nhân tạo 96 3.2.1 Các phần tử xử lý 96 3.2.2 Các kết nối mạng neuron 97 3.2.3 Các luật học hỏi 98 3.3 Mạng truyền thẳng học hỏi có giám sát 101 3.3.1 Mạng perceptron lớp 101 3.3.2 Luật học hỏi perceptron 101 3.3.3 Adaline 102 3.4 Maïng truyền thẳng nhiều lớp 102 3.4.1 Thuật toán lan truyền ngược 102 3.4.2 Caùc hệ số học hỏi mạng lan truyền ngược 104 LUẬN ÁN CAO HỌC Mục lục NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến 3.4.3 Mạng neuron thời gian trễ 106 3.5 Mạng hồi tiếp lớp nhớ kết hợp 106 3.5.1 Maïng Hopfield 106 3.5.2 Bộ nhớ kết hợp 107 3.6 Mạng học hỏi không giám sát 114 3.6.1 Các luật học hỏi không giám sát 114 3.6.2 Maïng Hamming 116 3.6.3 Bản đồ đặc tính tự tổ chức 117 CHƯƠNG 4: Điều khiển đèn giao thông dùng mạng neuron logic mờ 4.1 Điều khiển đèn giao thông dùng mạng neuron logic mờ 119 4.2 Nguyên lý phát nhận dạng xe 120 4.2.1 Các loại cảm biến phát xe 120 4.2.2 Nguyên lý phân loại xe dùng mạng neuron logic mờ 122 4.3 Bộ điều khiển đèn giao thông neuro - fuzzy cho giao lộ độc lập 128 4.3.1 Sơ đồ kết nối điều khiển đèn giao thông cho giao lộ độc lập 128 4.3.2 Các giới hạn thiết kế điều khiển đèn giao thông cho giao lộ độc lập 128 4.3.2 Thieát keá điều khiển đèn giao thông cho giao lộ độc lập 130 4.4 Bộ điều khiển đèn giao thông neuro - fuzzy có phối hợp nút giao thông 138 4.5 Mô kết 150 4.6 Kết luận 157 4.7 Hướng phát triển 157 TÀI LIỆU THAM KHẢO 159 LUẬN ÁN CAO HỌC ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Bảng 4.6 Các luật module đèn xanh Các luật Greennum Outrate FGnum Greentime Continue Luật Ngắn Rất cao Luật Giới hạn Zero Luật Zero Thấp Ít Trung bình Thấp Luật Zero Thấp Ít Dài Thấp Luật Zero Thấp Ít Rất dài Zero Luật Zero Thấp Nhiều Trung bình Thấp Luật Zero Thấp Nhiều Dài Zero Luật Zero Thấp Nhiều Rất dài Zero Luật Zero Trung bình Ít Luật 10 Zero Trung bình Ít Dài Thấp Luật 11 Zero Trung bình Ít Rất dài Zero Luật 12 Zero Trung bình Nhiều Trung bình Thấp Luật 13 Zero Trung bình Nhiều Dài Thấp Luật 14 Zero Trung bình Nhiều Rất dài Zero Luật 15 Zero Cao Ít Luật 16 Zero Cao Ít Dài Trung bình Luật 17 Zero Cao Ít Rất dài Thấp Luật 18 Zero Cao Nhiều Luật 19 Zero Cao Nhiều Dài Thấp Luật 20 Zero Cao Nhiều Rất dài Thấp Luật 21 Ít Thấp Ít Luật 22 Ít Thấp Ít Dài Thấp Luật 23 Ít Thấp Ít Rất dài Zero Luật 24 Ít Thấp Nhiều Trung bình Thấp Luật 25 Ít Thấp Nhiều Dài Thấp Luật 26 Ít Thấp Nhiều Rất dài Zero Luật 27 Ít Trung bình Ít LUẬN ÁN CAO HỌC Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trang 146 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Luật 28 Ít Trung bình Ít Dài Thấp Luật 29 Ít Trung bình Ít Rất dài Thấp Luật 30 Ít Trung bình Nhiều Luật 31 Ít Trung bình Nhiều Dài Thấp Luật 32 Ít Trung bình Nhiều Rất dài Thấp Luật 33 Ít Cao Ít Luật 34 Ít Cao Ít Dài Trung bình Luật 35 Ít Cao Ít Rất dài Thấp Luật 36 Ít Cao Nhiều Luật 37 Ít Cao Nhiều Dài Thấp Luật 38 Ít Cao Nhiều Rất dài Thấp Luật 39 Trung bình Thấp Ít Luật 40 Trung bình Thấp Ít Dài Trung bình Luật 41 Trung bình Thấp Ít Rất dài Thấp Luật 42 Trung bình Thấp Nhiều Luật 43 Trung bình Thấp Nhiều Dài Thấp Luật 44 Trung bình Thấp Nhiều Rất dài Thấp Luật 45 Trung bình Trung bình Ít Trung bình Cao Luật 46 Trung bình Trung bình Ít Dài Trung bình Luật 47 Trung bình Trung bình Ít Rất dài Thấp Luật 48 Trung bình Trung bình Nhiều Luật 49 Trung bình Trung bình Nhiều Dài Trung bình Luật 50 Trung bình Trung bình Nhiều Rất dài Thấp Luật 51 Trung bình Cao Ít Trung bình Cao Luật 52 Trung bình Cao Ít Dài Trung bình Luật 53 Trung bình Cao Ít Rất dài Trung bình Luật 54 Trung bình Cao Nhiều Trung bình Cao Luật 55 Trung bình Cao Nhiều Dài Trung bình Luật 56 Trung bình Cao Nhiều Rất dài Thấp LUẬN ÁN CAO HỌC Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trung bình Trang 147 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Luật 57 Nhiều Thấp Ít Trung bình Cao Luật 58 Nhiều Thấp Ít Dài Trung bình Luật 59 Nhiều Thấp Ít Rất dài Trung bình Luật 60 Nhiều Thấp Nhiều Luật 61 Nhiều Thấp Nhiều Dài Trung bình Luật 62 Nhiều Thấp Nhiều Rất dài Thấp Luật 63 Nhiều Trung bình Ít Trung bình Cao Luật 64 Nhiều Trung bình Ít Dài Cao Luật 65 Nhiều Trung bình Ít Rất dài Trung bình Luật 66 Nhiều Trung bình Nhiều Trung bình Cao Luật 67 Nhiều Trung bình Nhiều Dài Trung bình Luật 68 Nhiều Trung bình Nhiều Rất dài Trung bình Luật 69 Nhiều Cao Ít Trung bình Rất cao Luật 70 Nhiều Cao Ít Dài Cao Luật 71 Nhiều Cao Ít Rất dài Trung bình Luật 72 Nhiều Cao Nhiều Trung bình Cao Luật 73 Nhiều Cao Nhiều Dài Cao Luật 74 Nhiều Cao Nhiều Rất dài Trung bình Luật 75 Rất nhiều Thấp Ít Trung bình Cao Luật 76 Rất nhiều Thấp Ít Dài Cao Luật 77 Rất nhiều Thấp Ít Rất dài Trung bình Luật 78 Rất nhiều Thấp Nhiều Trung bình Cao Luật 79 Rất nhiều Thấp Nhiều Dài Trung bình Luật 80 Rất nhiều Thấp Nhiều Rất dài Trung bình Luật 81 Rất nhiều Trung bình Ít Trung bình Rất cao Luật 82 Rất nhiều Trung bình Ít Dài Cao Luật 83 Rất nhiều Trung bình Ít Rất dài Trung bình Luật 84 Rất nhiều Trung bình Nhiều Trung bình Cao Luật 85 Rất nhiều Trung bình Nhiều Dài Cao LUẬN ÁN CAO HỌC Trung bình Trung bình Trang 148 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Luật 86 Rất nhiều Trung bình Nhiều Rất dài Trung bình Luật 87 Rất nhiều Cao Ít Trung bình Rất cao Luật 88 Rất nhiều Cao Ít Dài Cao Luật 89 Rất nhiều Cao Ít Rất dài Cao Luật 90 Rất nhiều Cao Nhiều Trung bình Rất cao Luật 91 Rất nhiều Cao Nhiều Dài Cao Luật 92 Rất nhiều Cao Nhiều Rất dài Trung bình Module định Module định định có chuyển đèn xanh hay không Các biến vào Urgency, Continue biến định chuyển chu kỳ Change Kết tập mờ Module giải mờ để tìm giá trị rõ cho Change Các hàm liên thuộc biến Change Không (0,0.2), Có thể không (0.05,0.4), Có thể (0.3,0.7), Có thể chuyển (0.55,0.9), Chuyển (0.8,1.0) Tất 25 luật module định trình bày bảng 4.7 Phép toán hợp thành chọn phương pháp hợp thành max-min Sau hàm liên thuộc biến mờ ngỏ xác định, tất luật kích hoạt kết hợp với kết rõ cuối xác định qua giải mờ Có nhiều phương pháp giải mờ, phương pháp giải mờ chọn phương pháp điểm trọng tâm (center of gravity) Bảng 4.7 Các luật module định Các luật Urgency Continue Change Luật Zero Zero Có thể không Luật Zero Thấp Có thể không Luật Zero Trung bình Không Luật Zero Cao Không Luật Zero Rất cao Không Luật Thấp Zero Có thể Luật Thấp Thấp Có thể không Luật Thấp Trung bình Có thể không Luật Thấp Cao Không Luật 10 Thấp Rất cao Không LUẬN ÁN CAO HỌC Trang 149 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Luật 11 Trung bình Zero Có thể chuyển Luật 12 Trung bình Thấp Có thể Luật 13 Trung bình Trung bình Có thể không Luật 14 Trung bình Cao Có thể không Luật 15 Trung bình Rất cao Không Luật 16 Cao Zero Chuyển Luật 17 Cao Thấp Có thể chuyển Luật 18 Cao Trung bình Có thể Luật 19 Cao Cao Có thể không Luật 20 Cao Rất cao Có thể không Luật 21 Rất cao Zero Chuyển Luật 22 Rất cao Thấp Chuyển Luật 23 Rất cao Trung bình Có thể chuyển Luật 24 Rất cao Cao Có thể Luật 25 Rất cao Rất cao Có thể không 4.5 MÔ PHỎNG VÀ KẾT QUẢ Một chương trình viết MATLAB để mô hệ thống giao thông điều khiển đèn giao thông Khi chạy chương trình, hình xuất hình 4.14 Trên hình hiển thị có nút Start, Stop, Graph, Help, Close Các popup menu No Inters, Control type Traffic rate Hiển thị text Average waiting time Green time Để chạy mô phỏng, ta chọn số giao lộ popup menu No Inters (1 giao lộ, giao lộ giao lộ), chọn loại điều khiển Control type (nonfuzzy, independent fuzzy cooperative fuzzy) Kế tiếp nhấn nút Start chương trình chạy mô Một ví dụ chương trình chạy mô nút giao thông hình 4.15 Nhấn nút stop để dừng mô Nhấn nút Graph hiển thị kết thời gian chờ trung bình loại điều khiển, hiệu cải tiến so sánh thời gian chờ dạng biểu đồ Nhấn Help để tìm hiểu cách sử dụng chương trình Nhấn Close thoát khỏi mô LUẬN ÁN CAO HỌC Trang 150 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Hình 4.14 Màn hình chạy chương trình mô Chương trình mô điều khiển đèn giao thông dùng logic mờ điều khiển thông thường điều kiện nút giao thông với năm mật độ giao thông khác với số giao lộ khác Thời gian chờ trung bình xe dùng số 4.5.1 Mô giao lộ độc lập Khi chọn No Iners =1 (Number of Intersections) nhấn Start chương trình mô giao lộ độc lập Tùy thuộc vào việc chọn Control type mà ta có loại điều khiển nonfuzzy, ind.fuzzy (independent fuzzy) co.fuzzy (cooperative fuzzy) Khi mô giao lộ độc lập hai loại điều khiển independent fuzzy cooperative fuzzy giống Kết mô cho bảng 4.8 Biểu đồ so sánh điều khiển mờ điều khiển thông thường hình 4.16 Từ kết mô cho thấy, điều khiển đèn giao thông dùng logic mờ cho giao lộ độc lập cải tiến thời gian chờ trung bình xe khoảng 29% LUẬN ÁN CAO HỌC Trang 151 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Hình 4.15 Hiển thị hình chạy mô giao lộ Bảng 4.8 So sánh điều khiển đèn giao thông dùng Fuzzy điều khiển thông thường cho ngã tư độc lập Thời gian chờ trung bình xe (s) Điều khiển thông thường Điều khiển dùng Fuzzy Cải tiến (%) 4.1239 3.2634 20.86617 4.3934 2.8636 34.82041 4.4572 2.9570 33.6579 4.6105 3.2147 30.27437 4.639 3.314 28.56219 Trung bình LUẬN ÁN CAO HỌC 29.63621 Trang 152 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Waiting time (s) Waiting time diagram 4.5 3.5 2.5 1.5 0.5 Nonfuzzy Fuzzy Traffic rate Hình 4.16 Biểu đồ thời gian chờ xe với điều khiển mờ điều khiển thông thường Hình 4.17 Biểu đồ kết chạy mô giao lộ độc lập LUẬN ÁN CAO HỌC Trang 153 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến 4.5.2 Mô hai giao lộ kề liền Khi chọn No Iners =2 nhấn Start chương trình mô hai giao lộ kề liền Tùy thuộc vào việc chọn Control type mà ta có lọai điều khiển nonfuzzy, ind.fuzzy (independent fuzzy) co.fuzzy (cooperative fuzzy) Khi chạy mô phỏng, hình hiển thị hình 4.18 Trong bảng 4.9 thời gian chờ trung bình xe giao lộ Từ kết cho thấy, hai loại điều khiển mờ độc lập điều khiển mờ phối hợp cho kết tốt so với điều khiển có chu kỳ cố định với thời gian chờ giảm 35.4% 37.4% tương ứng Ta dễ thấy rằng, lưu lượng xe thấp điều khiển phối hợp tỏ hiệu quả, lưu lượng xe lớn điều khiển mờ phối hợp có hiệu cao Hình 4.18 Màn hình hiển thị chạy mô hai giao lộ LUẬN ÁN CAO HỌC Trang 154 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Bảng 4.9 So sánh điều khiển đèn giao thông dùng Fuzzy điều khiển thông thường cho hai giao lộ kề liền Thời gian chờ trung bình xe (s) Điều khiển Điều khiển thông fuzzy độc thường lập 5.11244 2.7592 5.45407 3.416 5.5595 3.60547 5.5976 3.7326 5.73406 4.2869 Điều khiển fuzzy phối hợp 3.13089 3.3506 3.20381 3.62946 3.87901 Trung bình Cải tiến fuzzy độc lập (%) Cải tiến fuzzy phối hợp (%) 46.02968 37.36787 35.14759 33.31785 25.23796 38.75938 38.56698 42.37234 35.16043 32.35142 35.42019 37.44211 Waiting time diagram Waiting time (s) Nonfuzzy Ind.fuzzy Co.fuzzy 1 Traffic rate Hình 4.19 Biểu đồ thời gian chờ với mật độ khác mô hai giao lộ 4.5.3 Mô bốn giao lộ kề liền Khi chọn No Iners =4 nhấn Start chương trình mô bốn giao lộ kề liền Tùy thuộc vào việc chọn Control type mà ta có loại điều khiển laø nonfuzzy, ind.fuzzy (independent fuzzy) vaø co.fuzzy (cooperative fuzzy) Khi chạy mô phỏng, hình hiển thị hình 4.20 Trong bảng 4.10 thời gian chờ trung bình xe qua nhóm giao thông bốn nút Kết cho LUẬN ÁN CAO HỌC Trang 155 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến thấy điều khiển mờ làm giảm thời gian chờ xe so với điều khiển có chu kỳ cố định 37.2% với điều khiển độc lập 39.3% với điều khiển phối hợp Khi mật độ giao thông cao điều khiển phối hợp có hiệu cao Hình 4.20 Màn hình hiển thị mô bốn giao lộ Bảng 4.10 So sánh điều khiển đèn giao thông dùng Fuzzy điều khiển thông thường cho bốn giao lộ kề liền Thời gian chờ trung bình xe (s) Điều khiển thông thường 9.81222 10.1471 10.1646 11.2667 12.2452 Điều khiển fuzzy độc lập 5.46402 5.88482 6.28074 7.63431 8.63589 Điều khiển fuzzy phối hợp Cải tiến fuzzy độc lập (%) Cải tiến fuzzy phối hợp (%) 6.20234 6.18591 6.05182 6.19921 7.9138 44.31413 42.00491 38.20967 32.24005 29.4753 36.78964 39.03766 40.4618 44.97759 35.37223 37.24881 39.32778 Trung bình LUẬN ÁN CAO HỌC Trang 156 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Waiting time diagram Waiting time 14 12 10 Nonfuzzy Ind.fuzzy Co.fuzzy 2 Traffic rate Hình 4.21 Biểu đồ thời gian chờ với mật độ khác mô bốn giao lộ 4.6 KẾT LUẬN Lưu lượng xe cộ ngày gia tăng để đáp ứng nhu cầu lại người, việc ứng dụng logic mờ mạng neuron điều khiển đèn giao thông phù hợp cho điều kiện giao thông ngày Kết mô cho thấy điều khiển đèn giao thông dùng logic mờ mạng neuron cải tiến đáng kể thời gian chờ xe, làm tăng hiệu suất lưu thông Ở Việt Nam, giao lộ có hình nhiều dạng khác nhau, thành phần xe phức tạp lưu thông xe, chạy với vận tốc khác lưu thông không theo lối, phương tiện lại chủ yếu xe gắn máy xe đạp, việc xác định số lượng xe dùng cảm biến khó khăn Để áp dụng được, cần phải dùng camera quan sát dùng thiết bị cảm biến khác với cách bố trí thích hợp để xác định lưu lượng xe 4.7 HƯỚNG PHÁT TRIỂN Luận văn dừng lại nghiên cứu lý thuyết mạng neuron, logic mờ ứng dụng điều khiển đèn giao thông Kết nghiên cứu thu qua mô máy tính Để ứng dụng thực tế, cần phải nghiên cứu đáp ứng cụ thể loại cảm biến loại xe chạy với vận tốc khác Đưa mạng neuron logic mờ ứng dụng chip chuyên dụng Nghiên cứu cảm biến cách bố trí cảm biến để phát loại xe lưu lượng xe điều kiện giao thông Việt Nam Đề tài LUẬN ÁN CAO HỌC Trang 157 ĐKĐGT dùng Neuro-Fuzzy NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến mở rộng cho mạng lưới giao thông thành phố, điều khiển nút giao thông nhóm nút giao thông kết nối với trung tâm điều khiển giao thông đại LUẬN ÁN CAO HỌC Trang 158 Tài liệu tham khảo NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến TÀI LIỆU THAM KHẢO [1] Nguyễn Khải, “Đường Và Giao Thông Đô Thị,” NXB Giao Thông Vận Tải – 1999 [2] PGS.TS Nguyễn Xuân Vinh, “Nút Giao Thông,” NXB Giao Thông Vận Tải – 1999 [3] Richart E Allsop, “Delay At Fixed Time Traffic Signal - I,” Theoretical Analysis, Transportat Sci., Vol 6, No 3, pp 260-285, 1972 [4] W Brilon and N.Wu, “Delay At Fixe Time Traffic Signals Under Time Dependent Traffic Conditions,” Traff Eng Contr., Vol 31, No.12, pp 623-631, 1990 [5] Tan Kok Khiang, Marzuki Khalid and Rubiyah, “Intelligent Traffic Lights Control By Fuzzy Logic,” Center for Artificial Intelligence and Robotics, Universiti Teknologi Malaysia, Jalan Semarak, 54100 Kuala Lumpur, www.cairo.utm.my/publications/kktan_traffic.pdf [6] Jee-Hyong Lee and Hyung Lee-Kwang, “Distributed and Cooperative Fuzzy Controller for Traffic Intersections Group,” IEEE Transactions on Fuzzy Systems, Vol 7, No 6, December 1999 [7] You-Sik Hong, Huynsoo Jin and Chong-Kug Park, "New Electrosensitive Traffic Light Using Fuzzy Neural Networks," IEEE Transactions on Fuzzy Systems, Vol 29, No 2, May 1999 [8] Yun Luo “Two-Incoming/Four-Outgoing Cross Traffic Light System Simulation Using Fuzzy Control,” Final Report of ECE 552 Fuzzy System, 08-2001 [9] Bart De Schutter and Bart De More, “Optimal Traffic Light Control For A Single Intersection,” European Jounal of Control, Vol 4, No 3, pp 260276, 1998 [10] Dr H, M Zhang, “Traffic Signal Operations,” ECI 161, 1999 [11] “Case Study: Fuzzy Traffic Light Controller,” www.doc.ic.ac.uk/~nd /surprise_96/jounal/vol4/sbaa/report.traff.html [12] Wagner Bonetti Jr and Hugo Pietrantonio, “A Validation Study on The Use of Traffic Actuated Signal Control,” www.ite.org/AnnualMeeting /CB02C0704.pdf [13] Pavel Ripka, “Magnetic Sensors for Traffic Control,” Dept of Measurement, Faculty of Electrical Engineering CTU Technicka 2, 166 27 LUẬN ÁN CAO HỌC Trang 159 Tài liệu tham khảo NHD: TS Lê Tiến Thường, ThS Hoàng Đình Chiến Praha 6, Czech Republic, MagneticSensors.pdf www.measure.feld.cvut.cz/usr/staff/ripka/ [14] “Inductive Loop Detector As An Alternative Surface Surveillance System - Demonstration Results,” www.rannoch.com/PDF/p_02_LSS.pdf [15] “Vehicle Detector Technologies for Traffic Management Applications,” www.itsonline.com/detect_pt2.html [16] “Vehicle Detection,” www.dot.state.ct.us/bureau/eh/ehen/traffic/manual/ Vehicle%20Detection.pdf [17] “Vehicle Signature,” www.its.uci.edu/~serio/Vehicle%20Signature.html [18] “Traffic cameras,” cseserv.engr.scu.edu/StudentWebPages/ SKlein/ ResearchPaper.htm [19] Timothy J Ross, “Fuzzy Logic with Engineering Applications,” McGrawHill Inc., ISBN 0-07-114711-X, 1997 [20] Chin-Ten Lin and C.S George Lee, "Neural Fuzzy Systems," PrenticeHall, ISBN 0-13-261413-8, 1996 [21] Abraham Kandel, “Fuzzy Mathematical Techniques with Applications,” Addison-Wesley, ISBN 0-201-11752-5, 1986 [22] Jacek M Zurada, “Introduction to Artificial Neural Systems,” Info Access Distribution Pte Ltd LUẬN ÁN CAO HỌC Trang 160 ... thống điều khiển đèn giao thông thông thường, sử dụng thích hợp điều kiện giao thông có mật độ xe thay đổi Bộ điều khiển neuro -fuzzy giám sát điều kiện giao thông thực tế giao lộ điều khiển đèn giao. .. có điều khiển chủ (master) điều khiển cục giao lộ Các điều khiển cục điều khiển đèn giao thông dựa điều kiện giao thông thực tế giao lộ giao tiếp với điều khiển chủ để kết hợp với nút giao thông. .. cho giao lộ độc lập điều khiển đèn giao thông cho nhóm giao lộ Bộ điều khiển đèn giao thông giao lộ độc lập điều khiển đèn giao thông dựa điều kiện giao thông thực tế giao lộ đọc từ cảm biến Nó