فهرست مطالب

فهرست مطالب

عنوان مطالب	شماره صفحه
(5-5 نظارت مبتنی بر ردگیری	66
فصل ششم : شبیهسازی کنترل کننده هوشمند ترافیک	73
(1-6مقدمه	74
(2-6طراحی سیستم کنترلرفازی	77
(3-6پیادهسازی نرم افزاری الگوریتم آموزشی FHLA	79
(4-6مدل سازی تقاطع ایزوله	82
(5-6کنترل کننده پیش زمانبندی شده	83
(6-6پردازش تصویر	84
(7-6نتایج شبیه سازی	88
فصل هفتم : نتیجهگیری و پیشنهادات	101
نتیجهگیری	102
پیشنهادات	103
منابع و ماخذ	104
فهرست منابع فارسی	105
فهرست منابع لاتین	106
چکیده انگلیسی	109

فهرست جدول ها

فهرست نمودارها

فهرست شکلها

فهرست شکلها

چکیده:

دراین پایان نامه یک تکنیک موثر بر مبنای سیستمهای عصبی- فازی برای کنترل چراغهای راهنمایی و بر اساس پردازش هوشمند تصاویر ترافیکی دریافتی از دوربینهای نصب شده در یک تقـاطع ایزولـه، ارائـه شـده است. هدف از کنترل ترافیک در خیابانهای منتهی به یک تقـاطع ایزولـه آن اسـت کـه در یـک بـازه زمـانی مشخص، از ایجاد اشباع در هریک از بازوها جلوگیری کرده و همچنـین بتـوان زمـان انتظـار وسـایل نقلیـه در پشت چراغ قرمز را به حداقل رساند تا نهایتا ترافیکی روان و مطلوب، همراه بـا ایمنـی در سـطح تقـاطع ایجـاد گردد. به این منظور قوانین فازی مدل کننده تقاطع ایزوله که ساختار کنترلر فازی را تشکیل دادهاند، بر مبنـای درجه اشباع که نشان دهنده میزان تقاضا به ظرفیت هریـک از ورودیهـای تقـاطع میباشـد، طراحـی شـدهانـد.

اساس کار، بر استفاده از شبکه عصبی RBF١، به همراه یک روش پیشنهادی آموزش مبتنـی بـر فـازی خواهـد بود. در الگوریتم یادگیری 2FHLA، علاوه بر تعیین وزنهای ارتباطی بین لایه مخفـی و خروجـی، پارامترهـای لایه RBF شامل تعداد نرون، مرکز نرون و عرض آن نیز در طول فرایند آموزش تعیین میگردند. مقادیر اولیه پارامترها با استفاده از منطق فازی و روشهای خوشه یابی فازی و به کمک تکنیک 3FCM به دست مـی آینـد.

همچنین از میزان تعلق هر الگوی ورودی به خوشهها و فاصله الگو تا مرکـز هـر خوشـه جهـت محاسـبه میـزان عدم شباهت استفاده شده وسپس این فاصله مینیمم میگـردد. بـرای تعیـین مقـادیر نهـایی پارامترهـا و وزنهـای ارتباطی، از ترکیب روشهای 4LLS و گرادیان5 به عنوان روش بهینهسازی استفاده میشود. نتایج شبیهسازی بر روی بانک اطلاعاتی موجود و مقایسه نتایج کاربرد این الگوریتم با سـایر روشـهای کلاسـیک کـه در کنتـرل تقاطعهای ایزوله معمول هستند، نشان دهنده میزان قابلیت این تکنیک می باشد.

کلمات کلیدی: پردازش تصویر، تقاطع ایزوله، شبکه عصبی، کنترل ترافیک، کنترل فازی

مقدمه:

امروزه با افزایش سریع کلان شهرها و افزایش تعداد خودروها، اهمیت داشتن مدیریت ترافیک موثر و کارآمد بر کسی پوشیده نیست. تـاکنون روشـهای کنتـرل ترافیـک بیـشتر مبتنـی بـر روشـهای کنترلـی کلاسیک بوده است که با مسائلی همچون سطح پایین هوشمندی در مواجه با شرایط پیچیـده ترافیکـی و عدم مدلسازی مناسب، مواجه میباشند. در این پایان نامه سعی برآن است کـه بـا بـه کـارگیری تکنیـک آموزشی FHLA که بر مبنای شبکههای عصبی RBF و روش خوشه یابی فـازی عمـل مـینمایـد، نـوعی کنترل هوشمند برای تنظیم پارامترهای یک تقاطع ایزوله ارائه شود، به طوری کـه در نهایـت بـه کـاهش تاخیر وسایل نقلیه در عبور از تقاطع و جلوگیری از ایجاد اشباع در هر یک از ورودیهـای تقـاطع منتهـی گردد. به این منظور برای جمع آوری اطلاعات آماری از سطح تقاطع، برای ارزیابی وضعیت ترافیکی در هر لحظه، از روشهای پردازش تصاویر حاصل از دوربینهای نصب شده در تقاطع ایزوله، استفاده شده است. در این پایان نامه و در فصل اول کلیاتی راجع به روشهای مختلف کنترل ترافیک، و تحقیقات صـورت گرفتـه در این زمینه ارئه شده است. در فصل دوم به معرفی نظریه جریان کنترل ترافیـک و روابـط حـاکم بـر آن پرداخته شده است. فصل سوم به معرفی مختصری از اصول کنتـرل فـازی و برخـی از روشـهای آموزشـی شبکههای عصبی و معرفی کنترل کنندههای نرو- فازی اختصاص دارد. در فـصل چهـارم، ارائـه الگـوریتم پیشنهادی FHLA و روش پیادهسازی آن صورت میپذیرد و در فصل پنجم به بررسی روشهای اسـتخراج اطلاعات آماری ترافیک از تصاویر ویدئویی پرداخته میشود. در فصل ششم کنترلر نـرو- فـازی طراحـی و پس از شبیه سازیهای لازم در محیط برنامـه نویـسی MATLAB، تـاثیر بـه کـارگیری کنتـرل کننـده هوشمند با استفاده ازتکنیک FHLA و به کارگیری نوعی کنترل کلاسیک پیش زمانبندی شده، بر میزان سطح تاخیر و سطح اشباع ورودیهای تقاطع بررسی و مقایسه شده است.فصل هفتم نیز بـه ارائـه نتیجـه گیری وچند پیشنهاد اختصاص دارد.

کلیـات

فصل اول: کلیات

(1-1 هدف

امروزه با افزایش سریع کلان شهرها، افزایش تعداد خودروهـا، افـزایش بهـای سـوخت، مـساله محـیط زیست، استفاده مفید از ظرفیت جادههای موجود و…، اهمیت داشتن مدیریت ترافیک موثر و کارآمد بر کـسی پوشیده نیست.

در گذشته طراحان ترافیک تنها به نحوه حرکت وسایل نقلیه، به طـوری کـه در تقاطعهـا تـصادفی رخ ندهد، به عنوان مساله اصلی در مدیریت ترافیک توجه داشتند. امروزه مسائل عمده دیگـری نیـز مـورد توجـه میباشد که از جمله میتوان به کاهش تاخیر، کاهش توقفات، کاهش مصرف سـوخت، کـاهش طـول صـفهای پشت چراغ قرمز، حذف اثرات نویز، افزایش توجه به مسائل عابران پیاده وحرکت وسایل نقلیه سـنگین، اشـاره نمود. تاکنون روشهای کنترل ترافیک بیشتر مبتنی بر روشهای کنترلی کلاسیک بوده است. در این روشـها بـا استفاده از روشهای آماری و منحنیهای به دست آمده تجربی و نهایتا با تخمین برخی از متغیرهای مـوثر بـر ترافیک سعی بر آن است که پارامترهای مورد نظر درآن سطح خـاص کنترلـی، بـه گونـهای مطلـوب تنظـیم شود.[4]

تاکنون در جهت رفع این نیاز سیستمهای کنترل ترافیک متعددی توسط مراکز حمل ونقل کشورهای مختلف توسعه یافتهاند که تا حدی پاسخگوی نیازهای موجود بوده است. البته این حد پاسخگویی سیستمهای کلاسیک در ازای پیچیدگیهای بالای ساختار (شامل بخشهای کنترل، مخابرات و کامپیوتر) و هچنین حجـم بالای هزینههای پیاده سازی، (به علت تجهیزات به کار رفته) و نگهداری به دست آمدهاند. از دیدگاه کنترلـی، سیستمهای کلاسیک موجود از الگوریتمهای مختلف برنامه ریزی ریاضی (از جمله الگوریتمهای برنامـه ریـزی خطی صحیح و الگوریتمهای برنامه ریزی دینامیکی) استفاده میکنند که خود معمولا مشکلات متعددی مانند حجم بالای محاسباتی و مشکل پیادهسازی را به دنبال دارند. همچنین از جمله نواقص مطرح شده در کنتـرل سنتی ترافیک میتوان به مسائلی همچون برخورداری از سطح پایین هوشمندی در مواجه بـا شـرایط پیچیـده ترافیکی، عدم مدلسازی مناسب و واقع بینانه از ابهامات موجود در بحث کنتـرل ترافیـک (تعیـین پارامترهـا و مدلسازی رفتار رانندگان و عابران پیاده)، عدم وجود ویژگی خود سازماندهی، در طراحی استراتژیهای ترافیک، غیر قابل پیش بینی بودن شرایط ترافیکی حتی برای چند لحظه آینده و عدم دسترسی به جزئیات ایجاد شده مانند تعیین نوع خودرو و یا تغییرات سرعت آنها، اشاره نمود.

سیستمهای مورد بررسی در کنترل ترافیک میتوانند شامل موارد زیر باشد :[5]