Академический Документы
Профессиональный Документы
Культура Документы
CONTROLE DE SEMFOROS
POR LGICA FUZZY E REDES NEURAIS
Fevereiro de 2002
Dedicatria
Danielle
Agradecimentos
RESUMO
Este trabalho apresenta a utilizao de lgica fuzzy e de redes neurais no
desenvolvimento de um controlador de semforos o FUNNCON. O trabalho realizado
consiste em quatro etapas principais: estudo dos fundamentos de engenharia de trfego;
definio de uma metodologia para a avaliao de cruzamentos sinalizados; definio do
modelo do controlador proposto; e implementao com dados reais em um estudo de caso.
O estudo sobre os fundamentos de engenharia de trfego aborda a definio de termos,
os parmetros utilizados na descrio dos fluxos de trfego, os tipos de cruzamentos e seus
semforos, os sistemas de controle de trfego mais utilizados e as diversas medidas de
desempenho.
Para se efetuar a anlise dos resultados do FUNNCON, definida uma metodologia
para a avaliao de controladores. Apresenta-se, tambm, uma investigao sobre simuladores
de trfego existentes, de modo a permitir a escolha do mais adequado para o presente estudo.
A definio do modelo do FUNNCON compreende uma descrio geral dos diversos
mdulos que o compem. Em seguida, cada um destes mdulos estudado separadamente: o
uso de redes neurais para a predio de trfego futuro; a elaborao de um banco de cenrios
timos atravs de um otimizador; e a criao de regras fuzzy a partir deste banco.
No estudo de caso, o FUNNCON implementado com dados reais fornecidos pela
CET-Rio em um cruzamento do Rio de Janeiro e comparado com o controlador existente.
constatado que redes neurais so capazes de fornecer bons resultados na predio do
trfego futuro. Tambm pode ser observado que as regras fuzzy criadas a partir do banco de
cenrios timos proporcionam um controle efetivo do trfego no cruzamento estudado. Uma
comparao entre o desempenho do FUNNCON e o do sistema atualmente em operao
amplamente favorvel ao primeiro.
ABSTRACT
This work presents the use of fuzzy logic and neural networks in the development of a
traffic signal controller FUNNCON. The work consists of four main sections: study of
traffic engineering fundamentals; definition of a methodology for evaluation of traffic
controls; definition of the proposed controller model; and implementation on a case study
using real data.
The study of traffic engineering fundamentals considers definitions of terms,
parameters used for traffic flow description, types of intersections and their traffic signals,
commonly used traffic control systems and performance measures.
In order to analyse the results provided by FUNNCON, a methodology for the
evaluation of controllers is defined. The existing traffic simulators are investigated, in order to
select the best one for the present study.
The definition of the FUNNCON model includes a brief description of its modules.
Thereafter each module is studied separately: the use of neural networks for future traffic
prediction; the setup of a best scenario database using an optimizer; and the extraction of
fuzzy rules from this database.
In the case study, FUNNCON is implemented with real data supplied by CET-Rio
from an intersection in Rio de Janeiro; its performance is compared with that of the existing
controller.
It can be observed that neural networks can present good results in the prediction of
future traffic and that the fuzzy rules created from the best scenario database lead to an
effective traffic control at the considered intersection. When compared with the system in
operation, FUNNCON reveals itself much superior.
NDICE
LISTA DE FIGURAS ......................................................................................... I
LISTA DE TABELAS .......................................................................................II
1 INTRODUO .............................................................................................1
1.1
1.2
1.3
1.4
MOTIVAO...............................................................................................................1
OBJETIVOS DO TRABALHO ....................................................................................1
DESCRIO DO TRABALHO ...................................................................................1
ORGANIZAO DA DISSERTAO ......................................................................2
HISTRICO..................................................................................................................3
FUNDAMENTOS DE ENGENHARIA DE TRFEGO..............................................3
DESCRIO DOS TIPOS DE CRUZAMENTO ........................................................7
MEDIDAS DE DESEMPENHO DE CRUZAMENTOS CONTROLADOS.............13
SISTEMAS DE CONTROLE DE TRFEGO EM USO ...........................................15
DISCUSSO...............................................................................................................18
METODOLOGIA........................................................................................................22
SIMULADORES.........................................................................................................23
SIMULADOR UTILIZADO.......................................................................................25
5 ESTUDO DE CASO....................................................................................38
5.1
5.2
5.3
5.4
5.5
5.6
CONCLUSES...........................................................................................................56
TRABALHOS FUTUROS..........................................................................................56
REFERNCIAS BIBLIOGRFICAS............................................................57
LISTA DE FIGURAS
Figura 2-1 Relao entre volume e densidade .........................................................................7
Figura 2-2 Geometria de um cruzamento, plano de fases com 2 fases..................................12
Figura 2-3 Geometria de um cruzamento, plano de fases com 3 fases..................................12
Figura 2-4 Geometria de um cruzamento, plano de fases com 4 fases..................................13
Figura 2-5 Simbologia dos planos de fases ...........................................................................13
Figura 2-6 Ilustrao de medidas de atraso ...........................................................................15
Figura 4-1 Controlador em malha aberta ...............................................................................28
Figura 4-2 Controlador de malha fechada .............................................................................28
Figura 4-3 Diagrama do FUNNCON com seus trs mdulos ...............................................30
Figura 4-4 Predio do trfego futuro com uma rede neural.................................................31
Figura 4-5 Entradas de uma rede neural para sries temporais .............................................32
Figura 4-6 Sistema de inferncia fuzzy .................................................................................34
Figura 4-7 Diviso dos domnios de entrada e sada em regies fuzzy.................................36
Figura 5-1 Layout do cruzamento..........................................................................................38
Figura 5-2 Layout do cruzamento de 3 vias ..........................................................................39
Figura 5-3 Conjunto de fases do cruzamento ........................................................................39
Figura 5-4 Imagem da fita de vdeo fornecida pela CET-Rio ...............................................40
Figura 5-5 Imagem da fita de vdeo sob chuva......................................................................41
Figura 5-6 Volume previsto na Via 01 ..................................................................................44
Figura 5-7 Volume previsto na Via 02 ..................................................................................45
Figura 5-8 Volume previsto na Via 03 ..................................................................................45
Figura 5-9 Etapas da otimizao pelo Synchro: (a) desenho, (b) sentidos e volumes, (c)
otimizao ..........................................................................................................................47
Figura 5-10 Conjuntos e funes de pertinncia das variveis de entrada e sada para a
determinao da durao do ciclo ......................................................................................49
Figura 5-11 Simulao no SimTraffic ...................................................................................51
LISTA DE TABELAS
Tabela 2-1 Nveis de controle de cruzamento .........................................................................8
Tabela 2-2 Caracterstica das Estratgias de Controle do UTCS [5].....................................17
Tabela 2-3 Comparao de Sistemas de Controle de Trfego [6] .........................................18
Tabela 2-4 Benefcios Diversos Sistemas de Controle de Trfego .......................................19
Tabela 2-5 Comparao de Resultados de Estratgias do UTCS [5] ....................................20
Tabela 3-1 Principais Caractersticas dos Simuladores de Trfego.......................................25
Tabela 5-1 Volumes durante os dias e horrios de estudo (nmero de veculos a cada 15
minutos)..............................................................................................................................42
Tabela 5-2 Validao cruzada da Via 02 ...............................................................................43
Tabela 5-3 Nmero de neurnios na camada escondida e nmero de pocas de treinamento
............................................................................................................................................44
Tabela 5-4 Avaliao das predies nas trs vias ..................................................................46
Tabela 5-5 Volumes previstos, duraes de ciclo e duraes da fase 1 gerados pelo
FUNNCON ........................................................................................................................50
Tabela 5-6 - Medidas de eficincia do FUNNCON de 6:15hs s 10:00hs ...............................51
Tabela 5-7 Programao semafrica e planos de fases da CET-Rio para uma quinta-feira
entre 6 e 10hs .....................................................................................................................52
Tabela 5-8 Medidas de eficincia do controle fixo da CET-Rio de 6:15hs s 10:00hs.........53
Tabela 5-9 Programao semafrica e planos de fases do FUNNCON-f..............................54
Tabela 5-10 Medidas de eficincia do FUNNCON-f de 6:15hs s 10:00hs..........................54
Tabela 5-11 Comparao do FUNNCON e do FUNNCON-f com o controle fixo da CETRio ......................................................................................................................................55
II
1
1.1
INTRODUO
MOTIVAO
Devido ao grande fluxo de pessoas e de bens que trafegam pelas ruas das grandes
de sistemas
1.2
OBJETIVOS DO TRABALHO
Os objetivos principais deste trabalho so a utilizao de redes neurais para a predio
de trfego futuro nas vias de um cruzamento e a criao de regras fuzzy, juntamente com um
sistema de inferncia para o controle dos semforos; para que no final um controle de trfego
seja implementado.
1.3
DESCRIO DO TRABALHO
O trabalho realizado constitudo nas seguintes etapas: estudo dos fundamentos da
1.4
ORGANIZAO DA DISSERTAO
Esta dissertao est dividida em cinco captulos adicionais, organizados da seguinte
maneira:
O captulo 2 trata dos fundamentos da engenharia de trfego e dos sistemas de controle
existentes.
O captulo 3 descreve a metodologia empregada para a avaliao de controladores de
semforos, assim como apresenta diversos simuladores de trfego e o simulador escolhido
para este estudo.
O captulo 4 expe a elaborao do modelo do controlador proposto e detalha os seus
mdulos.
No captulo 5 apresentado um estudo de caso. Tambm so efetuadas simulaes,
comparando-se os resultados obtidos pelo controlador desenvolvido com os proporcionados
pelo sistema atualmente em operao.
Finalmente, apresentam-se no captulo 6 as concluses e sugestes para trabalhos
futuros.
2
2.1
HISTRICO
Os primeiros sinais de trnsito da Amrica do Norte foram instalados em Cleveland
2.2
motoristas
veculos
estradas e rodovias
o meio ambiente
dispositivos de controle
Estes componentes interagem entre si para formar fluxos de trfego. Estes, por sua
vez, so descritos por parmetros que se dividem em duas categorias distintas: os parmetros
macroscpicos, que caracterizam o fluxo de trfego como um todo; e os parmetros
microscpicos, que caracterizam o comportamento individual dos veculos no fluxo de trfego
em sua interao com os outros veculos presentes [2].
Ao todo, existem trs parmetros macroscpicos: volume, velocidade e densidade [3].
- Volume
o nmero de carros que passam por uma via ou faixa durante um intervalo de tempo.
A unidade simplesmente veculos, porm frequentemente representada como veculos
por unidade de tempo.
TMS =
SMS =
1
d
n
ti
d
t
ni
(1)
=n
(2)
i
- Densidade
o nmero de veculos ocupando um determinado pedao de via (ou faixa), e
geralmente expresso como veculos por quilometro (vpk) ou veculos por quilometro por faixa
(vpkpf).
V =SD
onde
D=
V
S
(3)
D = densidade
V = volume
S = velocidade (velocidade mdia espacial)
importante ressaltar que este o mais importante dos trs parmetros pois:
- Distanciamento
a distncia entre dois veculos sucessivos em uma mesma faixa. Ela deve ser medida
em relao a um ponto comum dos veculos (para-choque, eixos...)
- Headway
o tempo percorrido entre dois veculos sucessivos em uma mesma faixa. Tambm
deve ser medido em relao a um ponto comum dos veculos.
Uma vez definidos todos estes parmetros, varias relaes podem ser estabelecidas
entre eles. Uma relao muito importante a existente entre o volume e a densidade de
trfego (equao 3): o volume igual ao produto da velocidade e da densidade. A Figura 2-1
ilustra a forma genrica desta relao.
Volume
Capacidade
Densidade de
engarrafamento
Densidade
Deste diagrama importante notar que um mesmo volume ocorre para duas situaes
distintas (pontos A e B), alm disso o volume nulo nas seguintes situaes:
Conclui-se que, como um mesmo volume pode ocorrer para duas situaes distintas, o
volume no pode ser utilizado na descrio das condies de trfego. a velocidade e a
densidade que devem ser utilizados.
2.3
atravessar a rua. Em nenhum outro lugar de um sistema de ruas e rodovias existem tantos
conflitos potencias e reais presentes. Para administrar estes conflitos, trs nveis de controle
podem ser providenciados nos cruzamentos: regras bsicas de prioridade em estradas,
controle com sinais de PARE ou PREFERNCIA, e os semforos, conforme ilustrado na
Tabela 2-1. A anlise de qual destes o mais apropriado para uma dada situao uma das
mais importantes tarefas do engenheiro de trfego, e frequentemente uma das mais percebidas
pela populao.
Nvel II
Nvel III
- Ciclo
Um ciclo de um sinal a rotao completa por todas as indicaes possveis.
Geralmente, cada movimento de veculos permitido recebe um verde uma vez a cada ciclo;
contudo existem algumas excees para esta regra.
- Durao do ciclo
o tempo necessrio (em segundos) para a execuo completa de um ciclo.
denotada pela letra C.
- Estgio
Um estgio o perodo durante o qual nenhuma luz de um cruzamento sinalizado
muda. Em qualquer cruzamento, existem vrios estgios em um ciclo, sendo eles:
- Fase
o estgio verde mais os estgios de mudana e de desobstruo que o seguem. Isto
corresponde ao conjunto de estgios que permite que um movimento flua e seja parado com
segurana antes do incio de outro movimento.
- Retardo
O retardo (offset) entre sinais de trnsito sucessivos corresponde diferena de tempo
entre o incio da fase verde no cruzamento a montante (upstream) e o incio da fase verde em
um cruzamento a jusante (downstream). As fases dos sinais so sincronizadas para que, em
condies de trfego livre, os veculos atravessem os cruzamentos sem que sejam parados.
Sinais de trnsito que operam desta maneira esto coordenados.
- Controle Pr-Temporizado
O controlador principal determina as fases e a durao do ciclo baseado em valores
pr-determinados. Estes valores pr-determinados so obtidos atravs de dados estatsticos.
- Controle Atuado
Um controlador atuado tem sua operao baseada na demanda do trfego que
informada por detectores de veculos e/ou pedestres. Existem vrios tipos de controladores
10
atuados, mas a sua caracterstica principal a habilidade de adaptar as duraes das fases em
funo das condies do trfego. Se no h veculos em uma das vias, o controlador pode
pular esta fase. O tempo de verde de cada via uma funo do fluxo de trfego, e pode variar
entre duraes mnima e mxima, dependendo do fluxo.
Controle Semi-Atuado: ele pode atuar em todas as fases exceto na fase principal.
Um verde contnuo mantido na via principal exceto quando uma demanda
registrada em uma das vias secundrias. O direito de passagem sempre retorna
via principal quando no h veculos presentes nas vias secundrias ou um tempo
limite alcanado. A operao semi-atuada mais indicada para localidades com
baixo volume de trfego nas vias secundrias. Tambm pode ser utilizado para
permitir que pedestres atravessem no meio da rua.
11
Fase A
Fase B
Fase A
Fase B
12
Fase C
Fase A
Fase B
Fase C
Fase D
Trfego em
Movimento
Virar a Direita
Virar a Esquerda
Trfego Parado
2.4
atraso
filas
paradas
13
- Atraso parado
o tempo durante o qual o veculo fica totalmente parado enquanto espera
para atravessar o cruzamento. Logo este atraso comea quando o veculo pra
completamente e termina quando ele comea a acelerar.
- Atraso de aproximao
Inclui o atraso parado, mas tambm inclui o tempo de desacelerao e o tempo
de acelerao at o retorno velocidade original em que trafegava.
- Atraso na fila
o tempo total contado a partir do veculo alcanar o final da fila at ele
atravessar o cruzamento.
uma via que fica a montante (upstream); o nmero de paradas efetuadas (denotado
NS) um parmetro importante para os modelos de qualidade de ar.
Distncia
D1 =
Atraso
Parado
D2 =
Atraso de
Aproximao
D3 =
Atraso no
Tempo de
Viagem
Trajeto
Desejado
D2
D3
Trajeto
Real
D1
Tempo
Nos ltimos anos, cada vez mais frequente o uso de duas outras medidas de
eficincia dos controles de cruzamentos: o consumo de combustvel (em litros e US$),
e a emisso de gases poluentes tais como CO, NOx e HC.
2.5
15
16
ATRIBUTOS
Intervalo de
Atualizao
Gerao do
Plano de
Controle
Predio de
Trfego
Determinao da
Durao do Ciclo
1a Gerao de Controle
(1-GC)
15 min
2a Gerao de
Controle (2-GC)
5-10 min
3a Gerao de
Controle (3-GC)
3-5 min
Otimizao On-line
Otimizao On-line
Nenhuma
Baseada em histrico
Fixa dentro de um
grupo varivel de
cruzamentos
Valores atuais
suavizados
Varivel em tempo e
espao.
Predeterminado para
um perodo de
controle
17
eficientemente e responder s variaes rpidas das condies do trfego. O RTTRACS est atualmente em estado de prototipagem.
A Tabela 2-3 apresenta a comparao entre os sistemas de controle de trfego
UTCS, SCOOT, SCATS e TracoNet.
Controle
Offsets
Resposta
ao Trfego
Custo de
Software e
Instalao
(master)
($1994)
Contato
UTCS
Central
Predeterminado
Encaixe (Matching)
de planos utilizando
detectores
SCOOT
Central
Dinmico
Algoritmo de
projeo de trfego
utilizando
detectores
SCATS
Distribudo
Predeterminado
Ajuste da quebra de
fase para o trfego
atual utilizando
detectores de grau
de utilizao
TracoNet
Distribudo
Predeterminado
Reconhecimento de
padres utilizando
detectores
$100.000
$350.000
$130.000
$8.000
Honeywell, Spery,
etc.
Traconex
2.6
DISCUSSO
Uma vez implementado o sistema de controle de trfego, procura-se medir as
18
Localidade
Glasgow
Orange County
Texas
Parramatta,
New South Wales
Great West Highway
(Via Arterial)
Tokyo
Los Angeles
Orlando
Virginia
Benefcios
reduo de 12% no atraso
reduo de 6% no tempo de viagem
(em relao aos planos calculados pelo programa
TRANSYT em 1967)
aumento na velocidade de 30mph para 33mph no
horrio de pico da manh
aumento na velocidade de 26mph para 33mph no
horrio de pico da tarde
reduo no nmero de paradas e atraso
reduo de 13,5% no consumo de combustvel
(20,8 milhes de gales/ano)
reduo de 29,6% no atraso
reduo de 11,5% no nmero de paradas
Ao todo, isto representa uma economia de
US$252 milhes por ano
reduo de 3% no tempo de viagem
reduo de 1% no nmero de paradas
reduo de 4% no tempo de viagem
reduo de 25% no nmero de paradas
reduo de 13 a 31% no tempo de viagem
reduo de 24 a 45% no nmero de paradas
reduo de 18% no tempo de viagem
reduo de 44% no atraso devido aos sinais
reduo de 41% no nmero de paradas
reduo de 13% no consumo de combustvel
reduo de 14% na emisso de gases poluentes
reduo de 56% no nmero de paradas e atraso
reduo de 9 a 14% na emisso de gases poluentes
reduo de 10,2% no tempo de viagem
reduo de 25,5% no nmero de paradas
reduo de 25,2% no atraso
reduo de 3,7% no consumo de combustvel
reduo de 16 a 19,5% na emisso de gases
poluentes
19
Estratgia UTCS
1-GC (arterial)
1-GC (malha)
2-GC (arterial)
2-GC (malha)
3-GC (arterial)
3-GC (malha)
- 2,6
- 3,2
- 1,3
+ 4,4
+ 9,2
+ 14,1
- 4,0
+ 1,9
- 3,8
+ 1,9
+ 24,0
- 0,5
- 12,2
- 1,6
+ 0,5
+ 10,7
+ 21
+ 7,0
ND
ND
- 2,1
+5,2
+ 16,9
+ 8,2
20
21
3.1
METODOLOGIA
Existem trs mtodos de avaliao dos TAC:
- Anlise on-line
Requer que os sinais de trnsito estejam ligados de modo on-line com a
central. Desta maneira, a temporizao dos sinais otimizada em tempo real a partir
de um mdulo de otimizao.
22
- Definio do sistema
O primeiro passo determinar a extenso do sistema, indicando se ele consiste
em uma rede de cruzamentos e semforos, ou em um cruzamento isolado. Tambm
devem ser definidos a localizao do cruzamento e o horrio durante o qual o estudo
realizado.
- Aquisio de dados
Uma vez definido o sistema, so necessrios o desenho geomtrico do
cruzamento, determinao dos volumes de trfego em todas as vias e o controle prtemporizado de trfego empregado.
Para melhor imitar o comportamento do sistema real, os volumes das vias so
distribudos em intervalos de quinze minutos.
- Simulaes
De posse dos dados necessrios, o controle pr-temporizado e o TAC proposto
so simulados no computador.
- Anlises e Comparaes
Utilizando os relatrios fornecidos pelo simulador, as medidas de desempenho
(seo 2.4) so comparadas e realizada uma anlise dos custos e benefcios.
3.2
SIMULADORES
Existem vrios simuladores e / ou otimizadores de semforos no mercado, que
23
- SIGSET [8]
Desenvolvido na Inglaterra no incio dos anos 80, o SIGSET um programa
DOS que otimiza os sinais de um nico cruzamento. Mesmo no realizando nenhuma
simulao, o SIGSET fornece algumas medidas de eficincia do cruzamento, tais
como atraso e tamanho de fila.
- PASSER (ttisoftware.tamu.edu)
Este o conjunto de programas de otimizao de condies de trfego
desenvolvido pelo Texas Transportation Institute (TTI) da Texas A&M University. O
PASSER existe em trs verses diferentes:
24
- OSCADY (www.trlsoftware.co.uk)
Este o otimizador do Transportation Research Laboratory (Inglaterra). Ele
permite a otimizao da temporizao dos semforos de um cruzamento isolado, ou
pela minimizao do atraso ou pela maximizao da capacidade.
- VISSIM (www.english.ptv.de/cgi-bin/produkte/vissim.pl)
Criado na Alemanha pela PTV, o VISSIM um simulador de transportes
pblicos (nibus, trens urbanos...) que modela o desempenho de controles
adaptativos.
Programa
SIGSET
PASSER II-90
PASSER III-98
PASSER IV-96
SIG Cinema
Synchro + SimTraffic
Ambiente
DOS
Windows
Windows
DOS
Windows
Windows
Simulador
OSCADY
VISSIM
Windows
Windows
X
X
X
X
Otimizador
X
X
X
X
X
X
Sistema
1 cruzamento
via arterial
trevo rodovirio
rede de vias
1 cruzamento
1 ou vrios
cruzamentos
1 cruzamento
1 ou vrios
cruzamentos
3.3
SIMULADOR UTILIZADO
A escolha do simulador entre os programas descritos na seo anterior feita
25
26
4.1
quatro variveis:
durao do ciclo
fases do sinal
quebras de fase
retardos
27
Durao
do ciclo
Fluxo
de veculos
OTIMIZADOR
Quebras
de fase
Fluxo de veculos
Tamanho da fila
Durao do ciclo
Volume
SISTEMA
OTIMIZADOR
Quebras de fase
Tamanho da fila
SENSORES
(cruzamento
+ semforos)
Condies do trfego
28
29
REDES NEURAIS
VAt
VBt
PREDITOR
A
VAt+1
PREDITOR
B
VBt+1
Durao do ciclo
BIBLIOTECA
DE SOLUES
TIMAS
Quebras de fase
CRIAO
DE
REGRAS FUZZY
Durao do ciclo
SISTEMA
VAt - Volume do trfego
na via A no instante t
Quebras de fase
SENSORES
30
(cruzamento
+ semforos)
Condies do trfego
4.2
Vt-n+1
PREDITOR
Vt
Vt+1
(Rede Neural)
Embora o treinamento de uma rede neural possa ser demorado, uma vez terminado
este processo ela capaz de informar o volume de trfego futuro quase que instantaneamente,
sem que um novo treinamento seja realizado.
- Arquitetura
Para a obteno de melhores resultados, a rede neural responsvel pela predio do
trfego de uma s via [12]. Ou seja, se o cruzamento possui trs vias, o volume de trfego em
cada uma delas ser previsto por uma rede, totalizando trs redes neurais.
Entradas
31
Distncia
Valor futuro
Entradas da rede
Srie
10
11
12
13
14
15
16
17
Tempo
V'=
V 0,9V min
1,1V max 0,9V min
(4)
32
Sada
Durante o treinamento, na sada da rede neural apresentado o volume que ela deve
(5)
4.3
33
Cumpre observar que dados de uma pesquisa entre engenheiros de trfego apontam o
Synchro como o programa de otimizao de temporizao mais utilizado e cujos resultados
so mais confiveis [24].
4.4
MDULO FUZZY
Uma das primeiras aplicaes de lgica fuzzy no controle de trfego urbano foi
realizada por Pappis e Mamdani em 1977 [25]. Nas duas dcadas seguintes, o seu uso em
controle de trfego foi exaustivamente testado [10, 26, 27]. Devido aos resultados limitados,
principalmente na coordenao de semforos, a pesquisa em controladores exclusivamente
fuzzy foi abandonada nos ltimos anos.
No FUNNCON a lgica fuzzy responsvel pela determinao da durao do ciclo e
da quebra de fase baseada nos volumes previstos pelas redes neurais. O seu sistema de
inferncia fuzzy composto pelo banco de cenrios timos e pelo mdulo de aprendizado de
regras fuzzy (Figura 4-6).
BIBLIOTECA
DE SOLUES
TIMAS
Quebras de fase
CRIAO
DE
REGRAS FUZZY
SE
volume via 01
1000 vph
volume via 02
2500 vph
volume via 03
90 vph
120 segundos
34
ou
SE
volume via 01
1000 vph
volume via 02
2500 vph
volume via 03
90 vph
0,8
Estas regras so transformadas em regras fuzzy pelo mtodo de Wang & Mendel e
Wang [28, 29] que composto de trs etapas:
35
SE x1 B1 E x2 S1 ENTO y CE
S2
S1
CE
B1
B2
1,0
0,0
x1-
x1(2)
x1(1)
B1
B2
x1+
x1
(x2)
S3
S2
S1
CE
B3
1,0
0,0
x2-
x2(1)
x2(2)
x2+
x2
(y)
S2
S1
CE
B1
B2
1,0
0,0
(1)
(2)
36
(6)
Como existem muitos pares de dados e como cada par gera uma regra, altamente
provvel a existncia de regras conflitantes, isto , regras com os mesmos antecedentes mas
com consequentes diferente.
Uma maneira de resolver este conflito pela atribuio de um grau a cada regra
gerada. Assim, dentro de um grupo conflitante somente a regra de maior grau selecionada.
Desta forma, no somente o problema de conflito solucionado, mas o nmero de regras
reduzido. Resolvidos todos os conflitos, um banco de regras fuzzy criado.
37
ESTUDO DE CASO
5.1
LAYOUT DO CRUZAMENTO
Em cooperao com a Companhia de Engenharia de Trfego do Rio de Janeiro (CET-
Rio), o cruzamento da Avenida Ayrton Senna com o retorno para o Riocentro foi escolhido
por ser um cruzamento isolado e ao mesmo tempo possuir um grande volume de trfego. O
layout do cruzamento mostrado na Figura 5-1.
Cruzamento 2
Cruzamento 1
38
VIA 02
VIA 01
VIA 03
Figura 5-2 Layout do cruzamento de 3 vias
Desta forma, este um cruzamento entre 3 vias que necessita de duas fases, conforme
mostra a Figura 5-3.
Fase A
Fase B
39
5.2
DADOS
Para uma comparao realista entre o controle implementado pela CET-Rio e o
Para simular o efeito dos veculos pesados que trafegam pelo cruzamento, os volumes
de nibus e de caminhes foram ajustados. Desta forma, um nibus equivale a 2,25 carros e
um caminho a 1,75 carros.
Tambm foram fornecidos pela CET-Rio os planos de controle hoje utilizados,
baseados em ciclos fixos que se alternam ao longo do dia e da semana.
40
No dia 5 de julho, durante as 7:00hs e as 7:45hs, devido a uma forte chuva no foi
possvel contar o nmero de carros que passavam pela via sentido Cidade de Deus (Figura
5-5). Esta lacuna foi peenchida utilizando-se os volumes desta via nos outros dias adquiridos.
Volumes
41
28 de Junho
5 de Julho
27 de Setembro
4 de Outubro
Tabela 5-1 Volumes durante os dias e horrios de estudo (nmero de veculos a cada 15 minutos)
42
5.3
IMPLEMENTAO DO FUNNCON
Como foi visto no captulo 4, o FUNNCON composto de 3 mdulos principais:
redes neurais para predio de trfego futuro, um banco de cenrios otimizados pelo Synchro
e um mdulo de inferncia fuzzy.
Este mdulo composto de trs redes neurais que predizem o volume em cada via do
cruzamento estudado. Em funo do baixo volume de trfego antes de 6:00hs, foi considerado
que o volume de 5:45hs s 6:00hs igual ao de 6:00hs s 6:15hs.
Devido ao reduzido nmero de amostras (17 por dia) a rede possui como entradas:
um ndice temporal
Consequentemente cada rede possui sete entradas e uma sada e o treinamento tem
um conjunto de 15 amostras.
Alm dos parmetros da arquitetura das RN apresentados na seo 4.2, o nmero de
neurnios na camada escondida e o nmero de pocas de treinamento devem ser determinados
para cada rede. Para tanto, uma validao cruzada [30] foi executada onde o nmero de
neurnios na camada escondida variou de 3 a 6 (Tabela 5-2).
I e II => III
I e III => II
# Neuronios # pocas
II e III => I
3
3
3
10
3
7
4.9462
4.5608
8.2808
5.9293
0.006383
0.009061
0.004474
3
3
3
8
15
6
5.6636
5.7380
4.9495
5.4504
0.004006
0.005521
0.005162
3
3
3
12
8
5
7.6758
7.6429
8.1503
7.8230
0.003105
0.002345
0.002318
4
4
4
4
5
7
6.8434
5.1592
6.0584
6.0203
0.006977
0.006295
0.006037
4
4
4
9
13
12
5.1204
6.0048
6.4309
5.8520
0.004163
0.004047
0.003992
4
4
4
5
8
5
6.3785
7.6024
8.0731
7.3513
0.002877
0.002432
0.002510
5
5
5
4
8
7
6.2470
5.5753
4.1682
5.3302
0.005493
0.004921
0.004685
5
5
5
8
9
6
6.6847
5.0889
5.5002
5.7579
0.003177
0.003681
0.005067
5
5
5
14
4
6
7.3533
7.0239
7.1632
7.1801
0.003742
0.003511
0.002152
6
6
6
4
3
4
6.0186
5.3331
4.6809
5.3442
0.006648
0.007093
0.010616
6
6
6
19
5
10
6.0637
6.0301
6.6736
6.2558
0.004135
0.004681
0.002591
6
6
6
6
10
7
6.8180
8.8570
8.8488
8.1746
0.005102
0.003590
0.003270
43
Como mostra a Tabela 5-2, os melhores resultados foram obtidos com 5 neurnios na
camada escondida e para esta configurao so necessrias: (7 + 9 + 4) / 3 7 pocas. Os
resultados obtidos para as trs vias esto resumidos na Tabela 5-3.
Nmero de Neurnios
na Camada Escondida
6
5
4
VIA 01
VIA 02
VIA 03
Nmero de pocas de
Treinamento
10
7
13
1100
1000
900
800
700
600
500
400
1
Valor Previsto
10
11
Valor Real
44
12
13
14
15
1100
1000
900
800
700
600
1
Valor Previsto
10
11
12
13
14
15
13
14
15
Valor Real
Valor Previsto
10
11
12
Valor Real
Para cada via foi computado o erro percentual (equao 7) durante o treinamento de
cada rede e os respectivos erros de predio. Os resultados so apresentados na Tabela 5-4.
Erro =
1 15 reali previstoi
100
15 i=1
reali
45
(7)
Erro no Treinamento
Erro de Predio
VIA 01
2,28 %
3,58 %
VIA 02
3,72 %
3,20 %
VIA 03
5,06 %
4,47 %
46
(a)
(b)
(c)
Figura 5-9 Etapas da otimizao pelo Synchro: (a) desenho, (b) sentidos e volumes, (c) otimizao
47
Mdulo Fuzzy
Como pode ser visto na seo 4.4, os cenrios timos so transformados em regras
fuzzy pelo mtodo de Wang & Mendel. Uma vez estabelecidas as regras fuzzy, a durao do
ciclo e a quebra de fase so determinadas pelo sistema de inferncia fuzzy.
Para cada cenrio foram otimizados a durao do ciclo e a quebra de fase em funo
dos volumes nas trs vias do cruzamento. Logo, se cada cenrio for considerado como uma
regra de lgica crisp, estas regras possuem trs antecedentes (os volumes das vias) e dois
consequentes. A maneira mais simples e mais eficiente de modelar estas regras em lgica
fuzzy transformar cada regra crisp em duas regras fuzzy: a primeira possui trs antecedentes
(os volumes) e o consequente a durao do ciclo, a segunda possui os mesmos trs
antecedentes e o consequente a quebra de fase.
O mtodo de Wang & Mendel requer que um nmero de conjuntos fuzzy seja
atribuido a cada varivel. Neste trabalho o nmero de conjuntos fuzzy de cada varivel
(entrada e sada) foi variado de 5 at 11 e a melhor configurao encontrada foi:
Com esta configurao foram criadas 175 regras fuzzy que constituem o banco de
regras fuzzy. A Figura 5-10 apresenta os conjuntos e funes de pertinncia das variveis de
entrada e sada encontrados pelo mtodo de Wang & Mendel para a determinao da durao
do ciclo. Abaixo segue um exemplo de regra encontrada:
SE VIA01 E0_2 E VIA02 E1_4 E VIA03 E2_2 ENTO Durao do Ciclo S_5
48
Figura 5-10 Conjuntos e funes de pertinncia das variveis de entrada e sada para a determinao da
durao do ciclo
49
5.4
RESULTADOS DO FUNNCON
Como foi visto na seo 5.3, os volumes previstos nas trs vias do cruzamento so
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
VIA 01
VIA 02
VIA 03
1800
2660
3500
4212
4224
4248
3980
3668
4144
4024
3908
4080
4080
4128
3996
2884
3424
3732
3976
4092
4368
4440
4440
4448
4204
4276
4228
4116
4172
3988
156
276
400
508
552
568
640
568
592
636
640
628
628
604
628
Durao
do Ciclo
119
161
195
178
178
178
178
178
178
178
178
178
178
178
178
Durao
da Fase 1
95
137
171
154
154
154
154
154
154
154
154
154
154
154
154
Tabela 5-5 Volumes previstos, duraes de ciclo e duraes da fase 1 gerados pelo FUNNCON
50
Intervalo
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
Total
Atraso (hr)
Tempo de Parado
Viagem
2.7
5.3
6.6
40.3
40.4
57.6
62.1
54.4
64.2
45.9
62.7
61.6
45.8
40.5
41.4
1.3
2.2
2.9
30.8
31.2
46.2
51.4
43.4
51.6
36.5
50.3
49.5
37.7
31.3
32.9
631.5
499.2
753.8
3511.1
HC
Emisses (g)
CO
NOx
118
148
152
147
145
152
158
142
149
145
150
149
156
144
150
7532
8657
8293
4595
4604
3267
3703
3292
2878
4198
3111
3218
4906
4343
4685
469
622
659
469
457
405
415
370
353
446
370
370
502
468
499
2205
71282
6874
51
5.5
5.5.1
Plano
1
2
3
Durao do
Ciclo (seg)
160
70
180
Durao da
Fase 1 (seg)
118
44
147
Durao da
Fase 2 (seg)
42
26
33
Tabela 5-7 Programao semafrica e planos de fases da CET-Rio para uma quinta-feira entre 6 e 10hs
esto atrasados de 7 seg. em relao aos semforos do cruzamento entre a via 01 (sentido
Cidade de Deus) e via 03.
52
Intervalo
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
Total
Atraso (hr)
Tempo de Parado Paradas Tempo de Consumo (l)
Viagem
Viagem (hr)
5
2.9
432
10.3
174.1
10.4
5.5
799
18
195
18.1
10
1128
26.4
177.6
70.1
57.2
1646
78.1
218.3
67.1
54.1
1660
75.4
216
99
86
1673
107.2
271.8
71.8
58.9
1719
80.3
226.4
65.4
52.7
1670
74
216.9
96.4
83.4
1680
104.6
269.9
74.8
61.9
1653
83.2
229.1
86.7
73.8
1712
94.9
252.7
84.7
71.6
1690
93.2
252.7
61.6
48.8
1724
70.1
211.4
69.1
56
1669
77.4
222.7
65.6
52.9
1680
74.1
218.1
945.8
775.7
22535
1067.2
3352.7
HC
Emisses (g)
CO
NOx
114
126
107
145
143
184
151
143
179
152
167
167
136
146
142
6830
5935
3625
2185
2209
2623
2296
2301
2560
2289
2442
2459
2152
2263
2212
438
492
385
297
300
341
314
311
333
311
325
332
302
310
306
2202
44381
5097
5.5.2
para cada intervalo de 15 minutos; logo, para a obteno de uma s temporizao para este
perodo, os volumes mdios so calculados (equaes 8, 9 e 10) a partir dos dados da Tabela
5-5:
VIA 01:
53
(8)
VIA 02:
(9)
VIA 02:
(10)
Durao do
Ciclo (seg)
200
178
Durao da
Fase 1 (seg)
176
154
Durao da
Fase 2 (seg)
24
24
Intervalo
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
Total
2.4
4.9
6.8
40.3
40.4
57.6
62.1
54.4
64.2
45.9
62.7
61.6
45.8
40.5
41.4
1.4
2.2
2.9
30.8
31.2
46.2
51.4
43.4
51.6
36.5
50.3
49.5
37.7
31.3
32.9
631
499.3
753.5
3519.9
HC
Emisses (g)
CO
NOx
130
155
150
147
145
152
158
142
149
145
150
149
156
144
150
8590
9200
8004
4595
4604
3267
3703
3292
2878
4198
3111
3218
4906
4343
4685
519
650
648
469
457
405
415
370
353
446
370
370
502
468
499
2222
72594
6941
54
5.6
COMPARAO
Na Tabela 5-11 os resultados do FUNNCON e do FUNNCON-f so comparados com
Controle
CET
Atraso (hr)
Tempo de Parado Paradas Tempo de Consumo
Viagem
Viagem (hr)
(l)
945.8
775.7 22535
1067.2
3352.7
HC
Emisses (g)
CO
NOx
2202
44381
5097
6874
FUNNCON
Reduo (%)
631.5
499.2
15499
753.8
3511.1
2205
71282
33.23
35.65
31.22
29.37
-4.72
-0.14
-60.61 -34.86
FUNNCON-f
631
499.3
15275
753.5
3519.9
2222
72594
Reduo (%)
33.28
35.63
32.22
29.39
-4.99
-0.91
-63.57 -36.18
6941
55
6.1
CONCLUSES
O principal objetivo do trabalho foi a elaborao
de um controlador eficiente de
semforos atravs de lgica fuzzy e redes neurais. Para isso foi apresentado um novo modelo
de sistema de controle de semforos denominado FUNNCON para um nico cruzamento.
A este modelo foram aplicados dados reais obtidos junto CET-Rio e os resultados foram
comparados aos proporcionados por um controlador de planos fixos atualmente em operao.
Observou-se que as redes neurais obtiveram bons resultados na predio de trfego
futuro, com erros de estimao variando de 3% a 4,5%. Tambm pde ser notado que as
regras fuzzy criadas a partir de cenrios otimizados pelo Synchro conseguiram controlar o
cruzamento estudado, fazendo com que o FUNNCON seja melhor do que o controle
implementado pela CET-Rio (Tabela 5-11). Finalmente, o FUNNCON foi transformado em
um controle fixo o FUNNCON-f proporcionando resultados similares.
6.2
TRABALHOS FUTUROS
Para generalizar os resultados obtidos, o FUNNCON deve ser experimentado com
56
REFERNCIAS BIBLIOGRFICAS
[1]
[2]
Roess, R. P., McShane, W. R., Prassas, E. R., Traffic Engineering, Pretince Hall, 2nd
Edition
[3]
[4]
[5]
[6]
[7]
Jagannathan, R., Khan, A. M., Methodology for the Assessment of Traffic Adaptative
Control Systems, ITE Journal, Junho 2001
[8]
[9]
Barnard, C. J., and Shaw, I. S., Adaptive Control of a Traffic Intersection by Means of a
Neural Network, 1995
[10] Kagolamu, K., Fink, R., Smartt, H., Powell, R., Larsen, E., An Intelligent Traffic
Controller, Novembro 1995
[11] Center for Optimization & Semantic Control (COSC ), Washington University, St.
Louis, Missouri, Decision and Control Project Page,
http://rodin.wustl.edu/doc1.html
[12] Haykin, S., Neural Netwoks A Comprehensive Foundation, Prentice Hall, second
edition, 1999
[13] Foy, M. D., Benekohal, R. F., and Goldberg, D. E., Signal Timing Determination Using
Genetic Algorithms, Transportation Research Record 1365, TRB, National Research
Council, Washington, D.C., 1992, pp. 108-115
[14] Hadi, M. A., and Wallace, C. E., Hybrid Genetic Algorithm To Optimize Signal Phasing
and Timing, Transportation Research Record 1421, TRB, National Research Council,
Washington, D.C., 1993, pp. 104-112
57
[15] Abu-Lebdeh, G., Benekohal, R. F., Development of Traffic Control and Queue
Management Procedures for Oversaturated Arterials, Transportation Research Record
1603, p.119-127
[16] Abu-Lebdeh, G., Benekohal, R. F., Genetic Algorithms for Traffic Signal Control and
Queue Management of Oversaturated Two-Way Arterials, Transportation Research
Record 1727, p.61-67
[17] Abu-Lebdeh, G., Benekohal, R. F., Computational Issues in Micro-Genetic Algorithms
for Traffic Management, Transportation Research Record 1679, p.112-118
[18] Abu-Lebdeh, G., Benekohal, R. F., Signal Coordination and Arterial Capacity in
Oversaturated Conditions, Transportation Research Record 1727, p.68-76
[19] BBN Technologies, Optiziming Traffic Flow Using Genetic Programming,
http://vishnu.bbn.com/papers/traffic/
[20] Fwa, T. F., Chan, W. T., and Tan, C. Y., Road-Maintenance Planning Using Genetic
Algorithms II: Analysis, Journal of Transportation Engineering, Vol. 120, No. 5,
Sept./Oct. 1994, pp. 693-709
[21] Chan, W. T., Fwa, T. F., and Tan, C. Y., Road-Maintenance Planning Using Genetic
Algorithms I: Formulation, Journal of Transportation Engineering, Vol. 120, No. 5,
Sept./Oct. 1994, pp. 693-709
[22] Memon, G. Q., Bullen, A. G. R., Multivariate Optimization Strategies for Real-Time
Traffic Control Signals, Transportation Research Record 1554, p.36-42
[23] Rentera, A. R., Pacheco, M. A. C., Identificao Robusta de Modelos Lineares por
Partes Atravs de Algoritmos Genticos, ENIA, 2001
[24] Transportation Software Survey 2000,
http://www.trafficware.com/survey2000.htm
[25] Pappis, C. P., Mamdani, E. H., A Fuzzy Logic Controller for a Traffic Junction, IEEE
Transaction on Systems, Man, and Cybernetics, Vol. SMC-7, no. 10, outubro 1977
[26] Machion, Andria, Um Controle Adaptativo Baseado em Lgica Nebulosa para Trfego
Urbano, Tese de Mestrado, UNICAMP, Julho 1993
[27] Chin, S., Chand, S., Adaptative Traffic Signal Control Using Fuzzy Logic, 2nd IEEE
International Conference on Fuzzy Systems, Vol. II, Maro/Abril 1993
[28] Wang, L. X., Mendel, J. M., Generating Fuzzy Rules by Learning From Examples,
IEEE Transactions on Systems, Man, and Cybernetics, Vol. 22, No. 6,
Novembro/Dezembro 1992
58
[29] Mendel, J. M., Fuzzy Logic Systems for Engineering: A Tutorial, Proceedings of the
IEEE, Vol. 83, No. 3, Maro 1995
[30] Bishop, C. M.: Neural Netowrks for Pattern Recognition, Oxford University Press
Inc., 1995
[31] Trafficware, Synchro User Guide Version 5.0
[32] George J. Klir/Bo Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications,
Prentice Hall PTR, 1995.
[33] Trafficware, SimTraffic User Guide Version 5.0
59