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

Оценка эффективности системы
Для оценки эффективности предложенного подхода к светофорному регулированию
проводились эксперименты с имитационной моделью транспортных потоков. В качестве
объекта для моделирования был взят один из наиболее проблемных перекрестков города
Кемерово: пересечение пр. Советского и пр. Кузнецкого (рис. 3).

---

22.04.2022, 11:55
Оценка эффективности светофорного регулирования на перекрестке при использовании адаптивной нейронечеткой …
https://pandia.ru/text/78/038/1274.php
8/12
В имитационной модели использовались интенсивности транспортных потоков, измеренные
на данном перекрестке 
29 июня
2009 года в вечерний час-пик с 16:00 до 19:00.
Эксперимент состоял из трех этапов. На каждом этапе проводилось имитационное
моделирование перекрестка с использованием различных схем светофорного
регулирования. В качестве критерия эффективности использовалось количество
автомобилей в очереди.
Рис. 3. Структурная схема перекрестка
(цифрами показаны соответствующие фазы перекрестка)
На первом этапе было проведено имитационное моделирование перекрестка с
фиксированными светофорными циклами, используемыми в реальности.
На втором этапе с помощью генетического алгоритма были найдены оптимальные
фиксированные фазы и проведено моделирование уже с этими фазами.
И на третьем этапе с помощью генетического алгоритма были найдены оптимальные
коэффициенты функции награды (12) и проведено моделирование со светофорами,
управляемыми адаптивной нейро-нечеткой системой.
Результаты эксперимента представлены на рис. 4. На рисунке точками обозначены длины
очередей в различные моменты времени, а линиями – скользящее среднее. Обозначение
«Исходный» соответствует реальному светофорному циклу, «ГА» – оптимальному
светофорному циклу, найденному с помощью генетического алгоритма, и «НС» –
адаптивной нейро-нечеткой системе.
Как видно из рисунка, худшие результаты показала система с реальными фиксированными
светофорными циклами (средняя длина очереди – 30.5). За ней следует система с
оптимальными фиксированными циклами, найденными с помощью генетического
алгоритма (средняя длина очереди – 24.0). И лучший результат показала адаптивная
нейро-нечеткая система (средняя длина очереди – 16.3).

---

22.04.2022, 11:55
Оценка эффективности светофорного регулирования на перекрестке при использовании адаптивной нейронечеткой …
https://pandia.ru/text/78/038/1274.php
9/12
Рис. 4. Количество машин в очереди в зависимости
от используемой схемы управления светофором
Выводы
В результате выполнения исследований разработана адаптивная нейро-нечеткая система
светофорного регулирования. С помощью генетического алгоритма была найдена
оптимальная функция награды для ее обучения.
Проведенный эксперимент показал возможность применения подобной системы на
высоконагруженном многофазном перекрестке. Предложенная система позволяет более
эффективно управлять перекрестком по сравнению с оптимальным фиксированным
светофорным циклом.
Список
литературы
1. Dunn Engineering Associates. Traffic Control Systems Handbook. Westhampton Beach : б. н.,
2005. С. 367.
2. U. S. Department of Transportation. Intelligent Transportation Systems for Traffic Signal
Control: Deployment Benefits and Lessons Learned. 2007. http://www. itsdocs. fhwa. dot.
gov//JPODOCS/BROCHURE//14321.htm.
3. Zhang, Yunlong, Xie, Yuanchang и Ye, Zhirui. Development and Evaluation of a Multi-Agent
Based Neuro-Fuzzy. Texas Transportation Institute. 2007. Technical Report. SWUTC/07/2-1.
4. Actor-Critic Learning Based on Fuzzy Inference System. Jouffe, L. Beijing : Proceedings of
IEEE International Conference on Systems, Man, and Cybernetics, 1996. Р. 339-344.

---

22.04.2022, 11:55
Оценка эффективности светофорного регулирования на перекрестке при использовании адаптивной нейронечеткой …
https://pandia.ru/text/78/038/1274.php
10/12