وبلاگ

:

امروزه با افزایش سریع کلان شهرها و افزایش تعداد خودروها، اهمیت داشتن مدیریت ترافیک موثر و کارآمد بر کسی پوشیده نیست. تاکنون روش های کنترل ترافیک بیشتر مبتنی بر روش های کنترلی کلاسیک بوده است که با مسائلی همچون سطح پایین هوشمندی در مواجه با شرایط پیچیده ترافیکی و عدم مدلسازی مناسب، مواجه می باشند. در این پایان نامه سعی برآن است که ب ا به کارگیری تکنیک آموزشی FHLA که بر مبنای شبکه های عصبی RBF و روش خوشه یابی فازی عمل می نماید، نوعی کنترل هوشمند برای تنظیم پارامترهای یک تقاطع ایزوله ارائه شود، به طوری که در نهایت به کاهش تاخیر وسایل نقلیه در عبور از تقاطع و جلوگیری از ایجاد اشباع در هر یک از ورودی های تقاطع منتهی گردد. به این منظور برای جمع آوری اطلاعات آماری از سطح تقاطع، برای ارزیابی وضعیت ترافیکی در هر لحظه، از روش های پردازش تصاویر حاصل از دوربینهای نصب شده در تقاطع ایزوله، استفاده شده است. در این پایان نامه و در فصل اول کلیاتی راجع به روش های مختلف کنترل ترافیک، و تحقیقات صورت گرفته در این زمینه ارئه شده است. در فصل دوم به معرفی نظریه جریان کنترل ترافیک و روابط حاکم بر آن پرداخته شده است. فصل سوم به معرفی مختصری از اصول کنترل فازی و برخی از روش های آموزشی شبکه های عصبی و معرفی کنترل کننده های نرو- فازی اختصاص دارد. در فصل چهارم، ارائه الگوریتم پیشنهادی FHLA و روش پیاده سازی آن صورت می پذیرد و در فصل پنجم به بررسی روش های استخراج اطلاعات آماری ترافیک از تصاویر ویدئویی پرداخته می شود. در فصل ششم کنترلر نرو – فازی طراحی و پس از شبیه سازی های لازم در محیط برنامه نویسی MATLAB، تاثیر به کارگیری کنترل کننده هوشمند با بهره گرفتن از تکنیک FHLA و به کارگیری نوعی کنترل کلاسیک پیش زمان بندی شده، بر میزان سطح تاخیر و سطح اشباع ورودی های تقاطع بررسی و مقایسه شده است.فصل هفتم نیز به ارائه نتیجه گیری وچند پیشنهاد اختصاص دارد.

فصل اول: کلیات
1-1) هدف
امروزه با افزایش سریع کلان شهرها، افزایش تعداد خودروها، افزایش بهای سوخت، مساله محیط زیست، استفاده مفید از ظرفیت جاده های موجود و…، اهمیت داشتن مدیریت ترافیک موثر و کارآمد بر کسی پوشیده نیست.
در گذشته طراحان ترافیک تنها به نحوه حرکت وسایل نقلیه، به طوری که در تقاطع ها تصادفی رخ ندهد، به عنوان مساله اصلی در مدیریت ترافیک توجه داشتند. امروزه مسائل عمده دیگری نیز مورد توجه میباشد که از جمله میتوان به کاهش تاخیر، کاهش توقفات، کاهش مصرف سوخت، کاهش طول صف های پشت چراغ قرمز، حذف اثرات نویز، افزایش توجه به مسائل عابران پیاده و حرکت وسایل نقلیه سنگین، اشاره نمود. تاکنون روش های کنترل ترافیک بیشتر مبتنی بر روش های کنترلی کلاسیک بوده است. در این روش ها با بهره گرفتن از روش های آماری و منحنی های به دست آمده تجربی و نهایتا با تخمین برخی از متغیرهای موثر بر ترافیک سعی بر آن است که پارامترهای مورد نظر درآن سطح خاص کنترلی ، به گونه ای مطلوب تنظیم شود.
تاکنون در جهت رفع این نیاز سیستم های کنترل ترافیک متعددی توسط مراکز حمل و نقل کشورهای مختلف توسعه یافته اند که تا حدی پاسخگوی نیازهای موجود بوده است. البته این حد پاسخگویی سیستم های کلاسیک در ازای پیچیدگی های بالای ساختار (شامل بخشهای کنترل، مخابرات و کامپیوتر) و هچنین حجم بالای هزینه های پیاده سازی، (به علت تجهیزات به کار رفته) و نگهداری به دست آمده اند. از دیدگاه کنترلی، سیستمهای کلاسیک موجود از الگوریتمهای مختلف برنامه ریزی ریاضی (از جمله الگوریتم های برنامه ریزی خطی صحیح و الگوریتم های برنامه ریزی دینامیکی) استفاده میکنند که خود معمولا مشکلات متعددی مانند حجم بالای محاسباتی و مشکل پیاده سازی را به دنبال دارند. همچنین از جمله نواقص مطرح شده در کنترل سنتی ترافیک میتوان به مسائلی همچون برخورداری از سطح پایین هوشمندی در مواجه با شرایط پیچیده ترافیکی، عدم مدلسازی مناسب و واقع بینانه از ابهامات موجود در بحث کنترل ترافیک (تعیین پارامترها و مدل سازی 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.