Регистрация оценка эффективности светофорного регулирования на перекрестке при использовании адаптивной нейронечеткой системы управления А. В. Протодьяконов, С. Е. Швец, А. Н. Фомин

Постановка задачи
Цель данной работы – разработка нейро-нечеткой системы управления светофорными
циклами. Задача системы управления – максимально повысить пропускную способность
перекрестка, управляя переключением фаз на основании информации, собранной с
различных детекторов (индукционных петель, 
видеокамер
и т. п.).
Основная сложность создания систем светофорного регулирования заключается в том, что
в настоящее время нет единой математической 
теории управления
транспортными
потоками [5]. Поэтому целесообразно систему управления представить в виде «черного
ящика». Естественным и удобным базисом для создания систем управления в подобных
условиях являются искусственные нейронные сети. Искусственные нейронные сети,
обладая свойством обобщения и способностью к нелинейному разделению классов,
позволяют выполнить гибкое отображение входных параметров на действия системы.
Тем не менее, нейронные сети обладают несколькими недостатками: невозможностью
включения в сеть априорной информации и «проклятием размерности» (то есть

---

22.04.2022, 11:55
Оценка эффективности светофорного регулирования на перекрестке при использовании адаптивной нейронечеткой …
https://pandia.ru/text/78/038/1274.php
3/12
уменьшением вероятности удачного обучения сети при увеличении сложности сети и
задачи в целом). Частично решить эти проблемы позволяет объединение аппарата
нейронных сетей с теорией нечетких множеств.
При данном подходе нейронная сеть состоит из специальных нейронов, которые
представляют конкретные сущности систем с нечеткой логикой. Это позволяет представить
систему в виде набора нечетких правил и при этом обучать ее как нейронную сеть. Такие
системы получили название «нейро-нечетких».
Структура нейро-нечеткой системы
Нейро-нечеткую систему, так же как и любую другую нейронную сеть, необходимо
предварительно обучить. При этом возникает проблема сложности построения обучающей
выборки, необходимой для применения алгоритмов обучения с учителем. Обучающая
выборка в данном случае должна содержать отдельные дорожно-транспортные ситуации, в
соответствии с которыми нужно изменять текущие фазы светофорного регулирования. Для
решения этой проблемы используется техника подкрепляющего обучения, позволяющая
обучать систему в процессе ее взаимодействия со средой. Существует несколько техник
такого обучения: Q-learning, SARSA, обучение актер-критик и т. д.
В работе используется структура системы и метод обучения, предложенные Джоуффи [4].
Концептуальная схема такой структуры представлена на рис. 1.
Рис. 1. Структурная схема нейро-нечеткой системы с «критиком»
Первый слой является входным и получает значения переменных состояния среды. Второй
состоит из ассоциированных с конкретными переменными нечетких множеств, каждый
нейрон в этом слое имеет определенную функцию принадлежности, которая применяется к
входящему в нейрон сигналу. Слой правил образуют нейроны, которые имитируют правила
(нечеткие множества, составляющие правила, определяются структурой связей с
предыдущим слоем), выход нейронов в этом слое определяет 
активационную
 силу
соответствующего правила. Последний слой представляет заключения, которые делает
система, отдельно выделяется нейрон «Критик», использующийся для обучения сети.

---

22.04.2022, 11:55
Оценка эффективности светофорного регулирования на перекрестке при использовании адаптивной нейронечеткой …
https://pandia.ru/text/78/038/1274.php
4/12
Выходы нейронов «Действия» определяет уровень предпочтения определенного
управляющего воздействия системы (выбор конкретной фазы светофора).