:
 
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
 

 
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]
 
-1 کنترل تقاطع ایزوله: کنترل جریان ترافیک تقاطع مجهز به چراغ بـدون در نظـر گـرفتن تـاثیر جریانهـای ترافیکی تقاطهای مجاور. .(isolated intersection control)
 
-2 کنترل تقاطعهای شریانی با شبکه باز: کنترل تعدادی تقاطع مجهز به چراغ وابسته به یکدیگر در طول یک شریان اصلی که وضعیت ترافیکی هریک بر تقاطع مجاور تاثیر دارد. (arterial intersection control)
 
-3 کنترل گسسته: کنترل روی تمام تقاطعهای مجهز به چراغ درکل شبکه شهری و یا بخشی از آن.
 
-4 کنترل ترافیک بزرگراه: کنترل روی جریان مسیرهای ورودی و مسیرهای خروجی با هدف کنترل ترافیـک روان در مسیر اصلی. (expressway control)
 
-5 کنترل عابران پیاده: کنترل عبور پیاده از خیابان با هدف تامین امنیت و کاهش زمان انتظـار.( pedestrian (control
 
اصولا سه نوع روش کنترلی برای تقاطعها مورد استفاده میباشد:
 
-1 کنترل زمان ثابت (fixed-time) :در این روش کنترلی، زمان تغییر چراغها از پیش تعیین شده و هیچگونه انعطافی در برابر شرایط ایجاد شده مانند وقوع تصادفات، ایجاد شـرایط خـاص مثـل تعطیلـی مـدارس، عبـور آمبولانس و… ندارد.
 
-2 کنترل از پیش زمانبندی شده : (pre-time control) در این نوع کنترل بر اساس الگوهای متعددی که از وضعیت یک خیابان به دست آمده است، زمانبندی چراغها صورت میپذیرد. مثلا در هر ساعت خاصی از شبانه روز مانند ساعات تعطیلی مدارس یا ساعات پیک تردد، مدت زمان سبز وقرمز بودن چراغها به گونهای متناسب تنظیم میشود، اما باز هم در برابر شرایط اضطراری غیر قابل انعطاف هستند.
-3 کنترل هوشمند : (intelligent control) در این نوع کنترل تغییر وضعیت چراغها کاملا به شرایط موجود و میزان درخواست بار ترافیکی بستگی دارد.
با مطرح شدن کنترل هوشمند در مهندسی کنترل و موفقیت این روشها در سیستمهای عملی، کاربرد روشهای کنترل هوشمند درمبحث ترافیک نیز مطرح گردیده است.
 
به دلیل ویژگیهای خاص سیستم کنترل ترافیک شهری و از آنجا که رفتارهای پیچیده انسان از عوامـل موثر بر شرایط ترافیکی ایجاد شونده در این سیستم میباشد، کاربرد روشهای هوشمند کنترل به جای روشهای سنتی ضروری به نظر میرسد. به طور عمده مسائل اصلی در کنترل چراغ راهنمایی در یک تقاطع ایزوله توجه به کاهش تاخیر وسایل نقلیه و کاهش میزان توقفات و همچنین افزایش ظرفیت خیابانها میباشـد. در میـان ابزارهای مختلفی که برای برقراری ایمنی راه و حفظ نظام در جریان ترافیک موجود میباشد، ماننـد تابلوهـای راهنمایی، خط کشی ها، و سایر ابزار و وسایل نصب شده در خیابانهـا، موجـود میباشـد، زمانبنـدی چراغهـای راهنمایی برای کمینه کردن تاخیر و افزایش ظرفیت تقاطعها در منطق کنتـرل کـاربرد فراوانـی دارد. دریـک تقاطع ایزوله دو حالته که در این طرح مورد بررسی میباشد، تنها با دو فاز عملیاتی کار میشود، وقتی که چراغ در دو خیابان روبرو به هم سبز باشند، در دو خیابان مجاور قرمز میشود و برعکس. در یک کنترل هوشمند، بر اساس میزان درخواست ترافیکی در خیابان مورد کنترل، تغییرات چراغ و رفتن به فاز دیگر، صورت میگیـرد و مدت زمان مناسب برای سبز بودن یک چراغ تعیین میشود.
 
با توجه به قابلیتهای متنوع روشهای هوشمند (شامل هوش مصنوعی , منطق فازی و شبکه عصبی)، به ویژه در پوشش دهی و پاسخگویی مناسب به موارد فوق، پیشنهاد استفاده از روشهای هوشمند، جهت پوشش دهی مشکلات فعلی، به عنوان یک راه حل جدید مطلوب خواهد بود. با توجه بـه قابلیتهـای متنـوع روشـهای هوشمند انتظار میرود که روشهای فوق در حوزههای مختلف کنترل ترافیک شامل بـرآورد وتعبیـر و پـردازش اطلاعات مختلف جمع آوری شده، برخورد و مدلسازی مناسب پارامترها و شـرایط مـبهم موجـود در پروسـه کنترل، پیشگویی آینده، افزایش قدرت یادگیری سیستم و بالاخره افزایش هوشمندی سیستم، بسیار پر کاربرد بوده و نتایج قابل قبولی را به دنبال خواهد داشت.
 
در این پروژه پس از شناخت و تحلیل روابط حاکم بر متغیرهای ترافیکی، درجه اشباع هـر ورودی کـه نشان دهنده نسبت میزان درخواست بار ترافیکی به میزان ظرفیت آن ورودی میباشد، به عنوان پارامتر ورودی کنترل کننده در نظر گرفته شده و با روشهای مبتنی بر بینایی ماشین اندازه گیری میشود. کنتـرل کننـده در هر مرحله نمونه برداری و در پایان زمان سیکل جاری، وضعیت همه ورودی را ارزیابی کرده و طـول چرخـه و طول زمان سبز اختصاص داده شده به هریک از خیابانها را در مرحله بعدی تعیین میکند تـا درجـه اشـباع در همه ورودی نسبتا یکسان و در سطح مناسبی قرار بگیرد. پس از طراحی ساختار قوانین کنترل کننده براساس پارامترهای فازی، الگوریتم آموزش مربوط به شبکه عصبی اجرا میگردد.
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)