(Luận văn thạc sĩ) phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh

TỔNG QUAN

Giới thiệu

Tắc nghẽn giao thông xảy ra khi lưu lượng phương tiện tăng cao trên các tuyến đường, dẫn đến tốc độ di chuyển giảm, thời gian di chuyển kéo dài và sự gia tăng số lượng xe trong hàng đợi.

Khi nhu cầu giao thông tăng cao, sự tương tác giữa các phương tiện sẽ làm giảm tốc độ lưu thông và gây ra tắc nghẽn Tình trạng này xảy ra khi có quá nhiều xe cộ di chuyển trên cùng một tuyến đường cùng lúc Khi lưu lượng giao thông đạt đến giới hạn tối đa của con đường, tắc nghẽn giao thông nghiêm trọng sẽ xuất hiện.

Theo báo cáo từ trung tâm nghiên cứu cuộc sống phát triển bền vững, Hà Nội phải gánh chịu chi phí khoảng 36,4 tỷ VNĐ mỗi ngày do ùn tắc giao thông, tương đương 12.812 tỷ VNĐ mỗi năm (khoảng 600 triệu USD) Tại TP Hồ Chí Minh, thiệt hại hàng năm do tắc nghẽn giao thông ước tính khoảng 170 tỷ đồng, theo ông Lê Quyết Thắng, giám đốc khu quản lý giao thông đô thị số 1.

Việc điều chỉnh lưu lượng giao thông một cách hợp lý có thể giúp giảm tải cho hệ thống giao thông, từ đó nâng cao khả năng thông xe mà không cần phải cải tạo hay nâng cấp mặt đường đồng loạt, tiết kiệm cả thời gian lẫn chi phí.

Nghiên cứu các bài báo liên quan đã giúp người nghiên cứu đưa ra cái nhìn mới về tối ưu hóa dòng di chuyển xe Do đó, đề tài “Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh” được lựa chọn nhằm áp dụng kiến thức hiện có và tìm ra giải pháp cho vấn đề này.

Công trình liên quan

Để thực hiện đề tài này, tôi đã nghiên cứu các hệ thống giao thông thông minh hiện có trên thị trường và xem xét các công trình nghiên cứu cũng như bài báo liên quan.

Năm 2009, Fuqiang Zou, Bo Yang và Yitao Cao đã phát triển một kiến trúc mới sử dụng lý thuyết mờ nhằm tối ưu hóa việc điều khiển đèn giao thông cho một giao lộ duy nhất.

Hệ thống điều khiển đèn giao thông được thiết kế dựa trên mạng cảm biến không dây, cho phép phát hiện lưu lượng truy cập qua các cảm biến trên đường Dữ liệu được truyền không dây để điều chỉnh đèn giao thông theo thời gian thực, nhằm giảm thiểu thời gian chờ cho các phương tiện Thuật toán thông minh xác định thời gian đèn xanh dựa trên số lượng phương tiện hiện có trên làn đường.

Vào năm 2017, Junchen Jin, Xiaoliang Ma và Iisakki Kosonen đã phát triển một hệ thống điều khiển đèn giao thông thông minh bằng cách sử dụng logic mờ để tối ưu hóa thời gian mỗi pha đèn Hệ thống này được lập trình trên một thiết bị phần cứng trung gian, có khả năng nhận tin nhắn từ bộ điều khiển tín hiệu và điều chỉnh đèn giao thông trong thời gian thực Các công cụ điều khiển và tối ưu hóa tín hiệu được tích hợp vào phần mềm nhúng, cho phép điều chỉnh thời gian đèn xanh, trọng số của đèn đỏ và khoảng cách phương tiện nhằm cải thiện hiệu quả giao thông.

Năm 2016, Konlapat Jintamuttha, Bunthit Watanapa và Nipon Charoenkitkarn

Mục tiêu của nghiên cứu là phát triển giải pháp hiệu quả để giảm thời gian dừng tại các giao lộ, sử dụng thuật toán dơi Mô hình này đã được kiểm chứng qua thí nghiệm mô phỏng tại một ngã tư đông đúc ở Bangkok, nơi có sự mất cân bằng về số lượng làn đường Hệ thống được triển khai trên thiết bị điện toán có khả năng áp dụng logic điều khiển độc lập và tương tác với các bộ điều khiển tín hiệu giao thông hiện đại.

Vào năm 2016, Bruno Carlo Rampinelli Rota và Milan Simic đã giới thiệu một hệ thống giao thông thông minh, tích hợp các công nghệ và ứng dụng tiên tiến vào mạng lưới giao thông Hệ thống này bao gồm các giải pháp thu phí tự động, nhằm giảm thiểu thời gian dừng lại của các phương tiện trên đường.

Vào năm 2012, các nhà nghiên cứu Sébastien Faye, Claude Chaudet và Isabelle Demeure đã giới thiệu một kiến trúc mạng lưới cảm biến không dây được lắp đặt tại các giao lộ Hệ thống này có khả năng đưa ra quyết định địa phương mà không cần sự hỗ trợ từ một khối xử lý trung tâm Thuật toán áp dụng logic mờ để xử lý dữ liệu thu thập từ mạng cảm biến, nhằm nâng cao hiệu quả trong việc quản lý giao thông.

Để giảm thiểu chiều dài hàng đợi giao thông và tối ưu hóa lưu thông, việc điều chỉnh linh hoạt thời gian ánh sáng xanh là rất cần thiết Điều này có thể được thực hiện bằng cách sử dụng dữ liệu từ các cảm biến được lắp đặt trên đường.

Năm 2010, Nguyễn Chí Ngôn đã thực hiện một nghiên cứu tại Việt Nam về thiết kế hệ thống giao thông thông minh, trong đó hệ thống điều khiển đèn tín hiệu dựa vào việc ước lượng mật độ giao thông hiện tại thông qua hình ảnh Nghiên cứu này áp dụng logic mờ để tối ưu hóa thời gian hoạt động của đèn tín hiệu.

Mục tiêu nghiên cứu

Xây dựng thuật toán điều khiển đèn tín hiệu giao thông sử dụng logic mờ, trong đó các hệ thống đèn giao thông có mối liên hệ với nhau.

Đối tượng, phạm vi nghiên cứu

Đối tượng nghiên cứu là một thuật toán điều khiển đèn giao thông sử dụng logic mờ giúp tối ưu tổng thời gian chờ của các phương tiện

Hình 1.1: Hệ thống điều khiển đèn giao thông sử dụng hình ảnh và logic mờ (nguồn [6])

Phạm vi nghiên cứu tập trung vào việc điều chỉnh các thông số đầu vào và đầu ra để giảm tổng thời gian chờ của phương tiện tại các nút giao thông Nghiên cứu sử dụng phần mềm SUMO để mô phỏng sự di chuyển của các phương tiện qua nhiều nút giao thông, từ đó tính toán tổng thời gian chờ.

Nội dung nghiên cứu

Nghiên cứu thiết kế thuật toán sử dụng logic mờ cho phù hợp với mục tiêu nghiên cứu của đề tài đã đề ra.

Phương pháp nghiên cứu

- Phương pháp phân tích và tổng hợp lý thuyết

- Phương pháp phân loại và hệ thống hóa lý thuyết

Bố cục đề tài

Chương này giới thiệu lý do chọn đề tài, các công trình liên quan, mục tiêu và nội dung nghiên cứu, phương pháp nghiên cứu, cũng như các giới hạn của đề tài và bố cục của nó.

Chương 2: Cơ Sở Lý Thuyết

Chương này giới thiệu về lý thuyết cơ bản về logic mờ, đại số gia tử và một vài ứng dụng của nó trong đời sống

Chương 3: Phương pháp điều khiển đèn tín hiệu dựa vào mật độ của đường trong nút và mật độ của nút tiếp theo

Chương này giới thiệu về hướng đề xuất của chuyên đề

Chương này trình bày tóm tắt những gì đã làm được trong chuyên đề.

CƠ SỞ LÝ THUYẾT

Lý thuyết tập mờ

2.1.1 Tập mờ và thông tin không chắc chắn

Lotfi Zadeh là một nhà toán học và nhà khoa học máy tính nổi tiếng, được biết đến như là người sáng lập lý thuyết tập mờ Ông là giáo sư danh dự tại Đại học California, Berkeley và đã có nhiều đóng góp quan trọng cho nghiên cứu trí tuệ nhân tạo Các bài báo của ông đã mở đường cho sự phát triển và ứng dụng rộng rãi của lý thuyết tập mờ trong nhiều lĩnh vực.

“Fuzzy Sets”[8] trên Tạp chí Information and Control vào tháng 8 năm 1965

Trong lý thuyết tập hợp cổ điển, các phần tử được phân loại theo tiêu chí nhị phân, tức là một phần tử có thể thuộc hoặc không thuộc về một tập hợp.

Thông qua việc lạm dụng ngôn ngữ bình thường theo thói quen văn học, chúng ta áp dụng các thuật ngữ tập mờ cho các tập con mờ Trong khi đó, các bộ trong logic cổ điển lại là các bộ rõ ràng, khác biệt với sự mơ hồ, và logic cổ điển còn được biết đến với tên gọi logic Boolean hay nhị phân.

Lý thuyết tập mờ cho phép đánh giá dần dần tư cách thành viên của các phần tử trong một tập hợp thông qua hàm thành viên có giá trị trong khoảng [0, 1] Điều này giúp tổng quát hóa các tập cổ điển, vì hàm chỉ thị của các tập cổ điển là trường hợp đặc biệt của hàm thành viên trong tập mờ, khi mà các giá trị chỉ nhận 0 hoặc 1.

Trong lý thuyết tập mờ, tập hợp hai phần tử cổ điển được gọi là tập hợp sắc nét Lý thuyết này rất hữu ích trong nhiều lĩnh vực, đặc biệt là khi thông tin không đầy đủ hoặc không chính xác, như trong tin sinh học.

Zadeh đã phát triển khái niệm tập mờ từ những ý tưởng trừu tượng về ngữ nghĩa của thông tin mờ và không chắc chắn, như trẻ, nhanh, cao thấp, và xinh đẹp Ông đã biểu diễn những khái niệm này bằng một mô hình toán học, được gọi là tập mờ, như một sự khái quát trực tiếp từ tập hợp kinh điển.

Chương 2: Cơ sở lý thuyết

6 Để dễ hiểu chúng ta hãy nhớ lại cách nhìn khái niệm tập hợp kinh điển như là khái niệm các hàm số

Lý thuyết tập hợp là một nhánh của logic toán học nghiên cứu các tập hợp, tức là các tập hợp các đối tượng Mặc dù bất kỳ loại đối tượng nào cũng có thể được thu thập thành một tập hợp, lý thuyết này thường được áp dụng cho các đối tượng liên quan đến toán học Ngôn ngữ của lý thuyết tập hợp có khả năng xác định gần như tất cả các đối tượng toán học.

Lý thuyết tập hợp bắt đầu với một quan hệ nhị phân giữa đối tượng và tập hợp Một tập hợp được biểu diễn bằng cách liệt kê các phần tử, phân tách bằng dấu phẩy, hoặc bằng đặc tính của các phần tử trong dấu ngoặc {} Mối quan hệ thành viên cũng có thể áp dụng cho các tập hợp Với tập vũ trụ U, tập hợp tất cả các tập con của U được ký hiệu là P(U), tạo thành một đại số tập hợp với các phép toán hợp ∪, giao ∩, hiệu \ và phần bù – Mỗi tập hợp A thuộc P(U) có thể được coi như một hàm số λA: U → {0, 1} được xác định theo cách này.

Hình 2.1: Logic thông thường (nguồn: http://media.thanhnt.com/2016/04/fuzzy_logic_example.png)

Hàm đặc trưng λA của tập A chỉ nhận giá trị 1 hoặc 0, cho thấy sự khác biệt giữa λA và A, mặc dù cả hai đều biểu diễn khái niệm tập hợp Cụ thể, x thuộc vào A nếu và chỉ nếu λA(x) = 1, tức là x có "độ thuộc vào" bằng 1 Do đó, tập hợp A có thể được biểu thị qua một hàm với giá trị thể hiện độ thuộc.

7 thuộc về hay đơn giản là độ thuộc của phần tử trong U vào tập hợp A: Nếu λA(x) = 1 thì x ∈ A với độ thuộc là 1 hay 100% thuộc vào A, còn nếu λA(x) = 0 thì x ∉ A hay x

∈ A với độ thuộc là 0 tức là độ thuộc 0%

Tập mờ là một tập hợp có mức độ phần tử từ 1 đến 0, ví dụ như mật độ ô tô theo tín hiệu giao thông tại một thời điểm cụ thể, với giá trị trong khoảng [0,100] Các phần tử mờ có thể đồng thời là thành viên của nhiều tập mờ khác trong cùng một tập vũ trụ Mức độ thành viên trong tập mờ khác với xác suất, vì sự thật mờ đại diện cho tư cách thành viên trong các tập xác định mơ hồ.

Các bộ mờ có thể được xem như một sự mở rộng của các bộ cổ điển, đặc biệt trong bối cảnh thiết lập phần tử Chúng cho phép phần tử chứa các thành phần với mức độ thành viên khác nhau trong tập hợp Sự khác biệt giữa tập cổ điển và tập mờ nằm ở chỗ, tập cổ điển chỉ bao gồm các phần tử thỏa mãn các thuộc tính chính xác, trong khi tập mờ bao gồm các phần tử thỏa mãn các thuộc tính không chính xác.

Tập cổ điển là một bộ sưu tập các đối tượng riêng biệt, ví dụ như một nhóm học sinh trong lớp học Mỗi đối tượng trong tập hợp được gọi là thành viên hoặc thành phần Tập hợp này được định nghĩa theo cách mà vũ trụ diễn ngôn chia thành hai nhóm: thành viên và không phải thành viên, do đó không có thành viên một phần tồn tại trong bộ cổ điển.

Khái niệm mờ trong ngữ nghĩa có thể được minh họa qua ví dụ về độ tuổi Trong khoảng tuổi U = [0, 120], định nghĩa "trẻ" có thể khác nhau giữa các cá nhân; với một số người, "trẻ" có thể là 25 tuổi, trong khi với người khác, có thể là 35 tuổi Điều này cho thấy rằng khái niệm "trẻ" có thể được biểu diễn bằng một tập hợp Atrẻ, bao gồm những người được xem là trẻ Vậy, câu hỏi đặt ra là: "Một người x có tuổi n được hiểu như thế nào trong tập Atrẻ?" Rõ ràng, khái niệm "trẻ" không có một định nghĩa cố định mà phụ thuộc vào quan điểm của từng người.

Tuổi 35 có thể được coi là trẻ, tùy thuộc vào ngữ cảnh và cách nhìn nhận của từng người Dưới góc độ chủ quan, những người ở độ tuổi này vẫn còn nhiều cơ hội và tiềm năng để phát triển trong cuộc sống.

Tập hợp ARất trẻ bao gồm những người có độ tuổi 27 với độ thuộc 1, trong khi đó, tập Atrẻ chứa những người trẻ tuổi từ 1 đến 52 Một người 27 tuổi có thể có độ thuộc 0,9 trong tập Atrẻ nhưng chỉ đạt độ thuộc 0.5 trong tập ARất trẻ Ngược lại, người 50 tuổi sẽ có độ thuộc 0 trong tập này Ý tưởng này giúp biểu diễn ngữ nghĩa của khái niệm trẻ thông qua hàm số U.

→ [0, 1], một dạng khái quát trực tiếp từ khái niệm hàm đặc trưng λA của một tập hợp kinh điển A đã đề cập ở trên

Tổng quan về đại số gia tử

Trong các ứng dụng logic mờ, các giá trị không phải là số được sử dụng để thể hiện quy tắc và sự kiện, khác với các biến trong toán học thường chỉ nhận giá trị số.

Biến ngôn ngữ như tuổi có thể chấp nhận các giá trị như trẻ và các từ trái nghĩa của nó Do ngôn ngữ tự nhiên không luôn có đủ thuật ngữ để diễn tả thang giá trị mờ, nên thường cần sửa đổi các giá trị ngôn ngữ bằng cách sử dụng tính từ hoặc trạng từ.

Lotfi Zadeh đã nhấn mạnh rằng khi đối mặt với những vấn đề phức tạp thiếu tính chính xác, việc sử dụng các biến ngôn ngữ trở nên tự nhiên Những biến này không chỉ là số mà còn là từ ngữ hoặc câu trong ngôn ngữ tự nhiên và nhân tạo Động lực cho việc lựa chọn từ ngữ thay vì số liệu chính là tính chất ít xác định của ngôn ngữ, cho phép chúng ta xây dựng các giá trị bổ sung như "khá cũ" hay "hơi trẻ".

Các hoạt động làm mờ chuyển đổi các giá trị đầu vào toán học thành hàm thành viên mờ, trong khi các hoạt động khử mờ cho phép ánh xạ hàm thành viên đầu ra mờ thành giá trị đầu ra rõ nét Những giá trị này sau đó có thể được áp dụng cho các quyết định hoặc kiểm soát trong các hệ thống mờ.

Trong cơ sở dữ liệu quan hệ, các bảng dữ liệu được tổ chức thành các quan hệ chứa thuộc tính hoặc tên cột, phản ánh tính chất của đối tượng Mỗi bộ mờ trong một phân vùng mờ tiêu chuẩn tương ứng với các khái niệm ngôn ngữ như rất thấp, thấp, trung bình, cao và rất cao.

Trong quá trình suy luận, các biến được gọi bằng các thuật ngữ ngôn ngữ xác định và các tập mờ thể hiện sự tương ứng với các giá trị số Các thuộc tính này mô tả tính chất của con người, bao gồm tuổi, chiều cao, lương, và năng lực Những thuộc tính này có thể được diễn đạt bằng các giá trị ngôn ngữ như trẻ, già, hoặc rất trẻ.

Zadeh đã định nghĩa các thuộc tính kiểu như vậy là biến ngôn ngữ, với miền giá trị của chúng được gọi là giá trị ngôn ngữ hay miền ngôn ngữ.

Biến ngôn ngữ là một biến chứa giá trị ngôn ngữ được tạo ra từ các phần tử nguyên thủy của nó, chịu ảnh hưởng từ các gia tử và liên từ Nó được đặc trưng bởi một bộ gồm các thành phần (L, T(L), U, G, M).

• L là tên của biến ngôn ngữ

• T(L) là tập các giá trị ngôn ngữ của biến X

• U là tập vũ trụ của ngôn ngữ

• G là luật ký pháp cho phép sinh ra các phần tử của T(L)

• M là luật ngữ nghĩa gán mỗi phần tử của T(X) bởi một tập mờ trên U Đặc trưng của biến ngôn ngữ là:

Các giá trị ngôn ngữ mang ngữ nghĩa tự nhiên được con người sử dụng trong cuộc sống hàng ngày giúp xác định mối quan hệ thứ tự ngữ nghĩa giữa các giá trị của cùng một biến.

Các gia tử ngôn ngữ được sử dụng để nhấn mạnh ý nghĩa của giá trị ngôn ngữ, với khả năng làm tăng cường hoặc làm giảm đi ngữ nghĩa tự nhiên của giá trị đó.

Trong nghiên cứu ngôn ngữ, mỗi giá trị L trong tập T(L) và tập H các gia tử ngôn ngữ sẽ được phân chia thành hai tập rời: một tập chứa các gia tử làm tăng ngữ nghĩa của L và tập còn lại chứa các gia tử làm giảm ngữ nghĩa của L Các gia tử trong mỗi tập con của H cũng được sắp xếp theo mức độ ngữ nghĩa Điều này cho phép xây dựng một cấu trúc thứ tự ngữ nghĩa cho bất kỳ biến ngôn ngữ nào, giúp tăng hoặc giảm ngữ nghĩa của giá trị biến ngôn ngữ Dựa vào đặc trưng của biến ngôn ngữ, miền giá trị của nó được tổ chức thành một tập hợp sắp thứ tự bộ phận, với T(L) là tập hợp các giá trị của biến ngôn ngữ L.

2.2.2 Các đặc trưng của biến ngôn ngữ

Biến ngôn ngữ là khái niệm quan trọng trong logic mờ, đóng vai trò chủ chốt trong các ứng dụng như hệ thống chuyên gia mờ Có nhiều biến ngôn ngữ với giá trị nguyên thủy khác nhau, ví dụ như "số ngày làm việc" với các giá trị ít, nhiều, hoặc "lương" với các giá trị thấp, cao Biến ngôn ngữ cũng có thể là các từ trong ngôn ngữ tự nhiên, chẳng hạn như tốc độ với các giá trị như chậm, nhanh Nghiên cứu về miền trị của một biến ngôn ngữ cụ thể vẫn giữ được ý nghĩa cấu trúc đối với các biến khác, đặc trưng này được gọi là tính phổ quát của biến ngôn ngữ.

Các biến ngôn ngữ nhóm các yếu tố tương tự, giúp xử lý các hệ thống phức tạp hơn với độ chính xác thấp hơn Ngữ nghĩa của gia tử và liên từ hoàn toàn độc lập với ngữ cảnh, khác với giá trị nguyên thủy của biến ngôn ngữ phụ thuộc vào ngữ cảnh Ví dụ, "lương" của cán bộ An được hiểu là trên 8.000.000 đồng, trong khi "chiều cao" được hiểu là trên 1.8 m Khi tìm kiếm mô hình cho gia tử và liên từ, chúng ta không quan tâm đến giá trị nguyên thủy của biến ngôn ngữ Đặc trưng này được gọi là tính độc lập ngữ cảnh Biến ngôn ngữ có thể là từ hoặc câu trong ngôn ngữ tự nhiên hoặc nhân tạo, và là biểu diễn toán học của các khái niệm ngữ nghĩa, bao gồm nhiều thuật ngữ (tập mờ) với mức độ thành viên liên quan.

Các đặc trưng này cho phép sử dụng một tập hợp các gia tử chung để xây dựng một cấu trúc toán học duy nhất cho miền giá trị của các biến ngôn ngữ khác nhau.

2.2.3 Đại số gia tử của biến ngôn ngữ

Giả sử X là một biến ngôn ngữ với miền giá trị Dom(X) Đại số gia tử AX tương ứng của X được định nghĩa là bộ 4 thành phần AX=(Dom(X), C, H, ≤), trong đó C là tập các phần tử sinh, H là tập các gia tử, và quan hệ “≤” thể hiện thứ tự ngữ nghĩa giữa các hạng từ Ví dụ, nếu X đại diện cho lưu lượng giao thông của một làn đường, thì Dom(X) có thể là {very low, low, medium, high, very high, }∪{0, 1, average}, với C = {very}, trong đó 0 là phần tử nhỏ nhất, 1 là phần tử lớn nhất, average là phần tử trung hòa, và H = {very, more, possible, little}.

PHƯƠNG PHÁP ĐIỀU KHIỂN ĐÈN TÍN HIỆU DỰA VÀO MẬT ĐỘ CỦA ĐƯỜNG TRONG NÚT VÀ MẬT ĐỘ CỦA NÚT TIẾP THEO

Các pha đèn tín hiệu trong một nút giao thông

Tại một giao lộ với các nhánh J được điều khiển bởi tín hiệu giao thông theo chu kỳ cố định, một pha đèn được định nghĩa là chuỗi các điều kiện áp dụng cho một hoặc nhiều luồng trong chu kỳ, với các chỉ dẫn tín hiệu giống nhau Một pha có thể được xem là phần của chu trình, trong đó một hoặc nhiều luồng được chỉ định đạt được đồng thời theo đúng hướng.

Một giai đoạn xanh trong tín hiệu giao thông có thể bao gồm nhiều giai đoạn liên tiếp Giả sử tín hiệu giao thông có N pha, nếu một luồng phương tiện di chuyển đúng hướng trong giai đoạn xanh của pha thứ n (n = 1, 2, …, N), thì luồng đó được xem là thuộc pha thứ n Các luồng thuộc pha thứ n được ký hiệu là Mn Cụ thể, luồng thứ m trong pha thứ n được gọi là luồng (n, m) với n = 1, 2, …, N và m = 1, 2, …

Mn) và các phương tiện tạo ra nó được gọi ngắn gọn (n, m) phương tiện (n = 1, 2, ,

N, m = 1, 2, , Mn) Đèn giao thông xen kẽ bên phải dành cho người dùng bằng cách chiếu sáng đèn hoặc đèn LED có màu tiêu chuẩn gồm đỏ, hổ phách(vàng) và xanh lục theo mã màu phổ quát Trong chuỗi các pha màu điển hình: Đèn xanh cho phép giao thông đi theo hướng được biểu thị, nếu an toàn để làm như vậy và có chỗ ở phía bên kia của giao lộ Đèn màu hổ phách cảnh báo rằng tín hiệu sắp chuyển sang màu đỏ Ở một số quốc gia châu Âu, trong đó có Vương quốc Anh có một giai đoạn trong đó màu đỏ và màu vàng được hiển thị cùng nhau cho thấy tín hiệu sắp chuyển sang màu xanh lục Các hành động được yêu cầu bởi các tài xế trên đèn vàng khác nhau, với một số khu vực pháp lý yêu cầu các tài xế dừng lại nếu an toàn để làm như vậy và các hành động khác cho phép các tài xế đi qua giao lộ nếu an toàn để làm như vậy

Dấu hiệu hổ phách nhấp nháy là tín hiệu cảnh báo quan trọng tại Vương quốc Anh, thường được sử dụng ở các điểm giao cắt Đèn hổ phách nhấp nháy thay thế tín hiệu hổ phách đỏ kết hợp, cho phép các tài xế di chuyển nếu không có người đi bộ băng qua.

• Tín hiệu màu đỏ cấm mọi phương tiện, người tham gia lưu thông

Dấu hiệu màu đỏ nhấp nháy yêu cầu giao thông dừng lại và chỉ tiến hành khi an toàn, tương đương với tín hiệu dừng Ở một số quốc gia, tín hiệu giao thông chuyển sang chế độ nhấp nháy khi phát hiện sự cố, như lỗi hiển thị đèn xanh cho giao thông xung đột Tín hiệu có thể hiển thị nhấp nháy màu vàng cho đường chính và nhấp nháy màu đỏ cho đường bên, hoặc nhấp nháy màu đỏ ở mọi hướng Hoạt động nhấp nháy cũng được sử dụng vào những thời điểm giao thông ít, như vào đêm khuya.

Hình 3.1: Các pha đèn của một ngã tư (nguồn: https://www.researchgate.net/publication/285707259/figure/fig1/AS:324497975595 021@1454377754351/Intersection-with-four-approaches-and-two-phase- signal.png)

Trong một giai đoạn, luồng được xem là ưu tiên hàng đầu khi nó có quyền ưu tiên và không bị cản trở bởi các luồng khác trong cùng giai đoạn đó Ngược lại, luồng được gọi là ưu tiên thứ hai khi nó không sở hữu quyền ưu tiên trong giai đoạn tương ứng.

26 thứ nhất cũng không bị cản trở bởi các luồng khác có quyền ưu tiên trong cùng giai đoạn và không thuộc quyền ưu tiên ưu tiên hàng đầu

Trong báo cáo này, các luồng ưu tiên thứ i (i = 3, 4, ) được xác định theo quy tắc tương tự, với giả định rằng các phương tiện di chuyển ở làn đường bên phải Ở các giao lộ ngã tư thông thường, luồng đi thẳng về phía trước được xem là ưu tiên hàng đầu, trong khi luồng rẽ phải là ưu tiên thứ hai.

Khi một luồng giao thông bao gồm nhiều làn đường, các phương tiện sẽ tham gia vào hàng đợi có độ dài ngắn nhất trong số các hàng đợi của luồng đó Để đánh giá mức độ không bão hòa của giao lộ, chỉ cần xử lý một hàng đợi nhất định trên một làn đường, ngay cả khi luồng có nhiều làn Các phương tiện ưu tiên thứ i (i = 2, 3, ) sẽ phải chờ ở cuối hàng đợi trong giai đoạn đèn đỏ Khi tín hiệu chuyển sang xanh, đầu hàng đợi sẽ di chuyển và đến vị trí để vượt qua các luồng ưu tiên cao hơn, thời điểm này được gọi là độ trễ bắt đầu cho luồng ưu tiên thứ i.

Khi một phương tiện ưu tiên cao hơn vào giao lộ, các phương tiện khác không thể di chuyển cho đến khi phương tiện đó đi qua Tổng thời gian bị chặn trong khoảng thời gian tín hiệu xanh và vàng được gọi là khối cho luồng Thời gian bắt đầu và kết thúc của độ trễ này được gọi chung là thời gian bị mất trong quá trình lưu thông.

Khi không có phương tiện ưu tiên cao nào vào giao lộ, các phương tiện trong hàng đợi có thể băng qua làn đường ưu tiên Hàng dài có thể vẫn còn tại cuối thời kỳ xanh do dòng xe dài hoặc thời gian chờ lâu Khoảng thời gian giữa cuối thời kỳ xanh và khi hàng đợi được giải phóng qua các làn ưu tiên được gọi là khoảng thời gian ưu tiên cho luồng thứ i Thời gian này thể hiện hiệu quả của đèn xanh, và do đó, thời gian xanh hiệu quả cho luồng được xác định là tổng thời kỳ xanh và thời gian giải phóng mặt bằng trừ đi thời gian bị mất.

Đối với luồng ưu tiên thứ nhất, thời gian mất mát giảm xuống độ trễ bắt đầu, dẫn đến việc tăng tốc độ chuyển động của toàn bộ hàng đợi khi khối biến mất Khoảng thời gian giải phóng mặt bằng được xác định bởi thời gian giữa khi tín hiệu xanh kết thúc và thời điểm xe cuối cùng không dừng lại để tín hiệu vàng vượt qua vạch dừng Do đó, giai đoạn xanh hiệu quả cho luồng ưu tiên đầu tiên là tổng của giai đoạn xanh và thời gian giải phóng mặt bằng, ít hơn độ trễ bắt đầu.

Vấn đề của đèn giao thông hiện tại

Kể từ khi John Peake Knight lắp đặt đèn giao thông đầu tiên ở London vào năm 1868, đèn giao thông đã trở nên phổ biến trên toàn cầu, xuất hiện tại các nút giao đường bộ ở khắp các châu lục.

Thời gian tín hiệu giao thông đóng vai trò thiết yếu trong quản lý giao thông đô thị tại các khu vực đông dân cư, giúp ngăn ngừa tai nạn và nâng cao khả năng di chuyển của mạng lưới giao thông thông qua việc phân bổ hợp lý.

Theo lý thuyết, đèn giao thông được lắp đặt nhằm điều phối các luồng phương tiện tại các nút giao thông, giúp ngăn ngừa tai nạn và giảm thiểu sự hỗn loạn Chúng cũng có vai trò quan trọng trong việc điều tiết lưu lượng giao thông trên các tuyến đường kết nối với các nút giao thông.

Việc thiết kế các tham số thời gian tín hiệu giao thông, như tỷ lệ thời gian xanh, có ảnh hưởng lớn đến hiệu quả hoạt động và an toàn của các giao lộ, cũng như tổng lượng phát thải giao thông trong mạng Do đó, cơ quan có thẩm quyền cần thiết kế các thông số định thời tín hiệu giao thông một cách cẩn thận để xây dựng một hệ thống giao thông đô thị an toàn, hiệu quả và bền vững, đặc biệt trong bối cảnh biến đổi khí hậu Đèn giao thông tĩnh thường thiếu tính linh hoạt, dẫn đến tình trạng làn xe không có hoặc có rất ít nhưng đèn vẫn được mở, trong khi chiều ngược lại lại đông đúc.

Phần mềm mô phỏng hoạt động của phương tiện giao thông (SUMO)

Để đánh giá hiệu quả, luận văn sẽ áp dụng hệ thống SUMO (Simulation of Urban Mobility), một nền tảng mã nguồn mở Hệ thống này cho phép thiết lập cơ sở hạ tầng giao thông và cấu hình mô phỏng đồ họa luồng giao thông, phục vụ cho việc kiểm tra các thuật toán và mô hình nghiên cứu giao thông.

SUMO là phần mềm mô phỏng giao thông đường bộ vi mô, đa phương thức, với không gian liên tục và thời gian rời rạc Đây là một phần mềm mã nguồn mở được cấp phép theo GNU GPL, chủ yếu được phát triển bởi Trung tâm Hàng không Vũ trụ Đức (DLR) Công cụ mô phỏng này đã bắt đầu được phát triển từ năm

Năm 2000, thiết kế tập trung vào tính di động và khả năng mở rộng, cùng với việc xử lý các mạng lưới đường lớn, yêu cầu chú trọng đến tốc độ thực hiện và dấu chân bộ nhớ.

Hình 3.2: Tình trạng đường trống (nguồn: https://c8.alamy.com/comp/EN2P9M/rush-hour-traffic-and-cars-at-a-busy-road- junction-kuala-lumpur-malaysia-EN2P9M.jpg)

Để xây dựng mạng lưới giao thông trong SUMO, các nodes và edges là yếu tố thiết yếu, trong đó các junctions kết nối nodes và tạo thành edges đóng vai trò quan trọng Ngoài ra, các tính năng như đèn giao thông và số làn xe cũng góp phần vào cấu trúc của mạng Mạng SUMO chứa thông tin liên quan đến lưu lượng truy cập, giúp tối ưu hóa quản lý giao thông.

- Mỗi edge sẽ là một tập hợp các làn đường

- Vị trí, hình dạng và tốc độ trên mỗi làn

- Quy định hướng di chuyển

- Các kết nối giữa các làn tại các nút giao

- Vị trí và tính hợp lý của đèn giao thông

Mô phỏng giao thông là một quá trình đa phương thức, không chỉ tập trung vào việc mô phỏng các phương tiện cá nhân như xe hơi trong thành phố mà còn bao gồm cả các hệ thống giao thông công cộng trên mạng lưới đường phố, chẳng hạn như các mạng lưới xe buýt và tàu điện.

Lưu lượng giao thông được mô phỏng bằng cách mô hình hóa từng phương tiện di chuyển một cách riêng lẻ, với vị trí và tốc độ xác định Mỗi giây, các thông số này được cập nhật dựa trên tình trạng của phương tiện phía trước và cấu trúc mạng lưới đường phố Quá trình mô phỏng diễn ra trong thời gian rời rạc và không gian liên tục.

Hệ thống đường trong luận văn được thiết kế với chiều dài 750m cho mỗi con đường, bao gồm 2 chiều ngược nhau với 4 làn xe mỗi chiều Làn đường bên phải là phần dành cho phương tiện di chuyển theo chiều thuận Tốc độ tối đa cho phép trên mỗi làn đường là 50km/h.

Trong quá trình thực hiện mô phỏng trong SUMO, tốc độ của xe được điều chỉnh để phù hợp với xe dẫn đầu, nhằm đảm bảo hành vi hệ thống không xảy ra va chạm Tốc độ mong muốn được xác định dựa trên tốc độ tối đa của xe, kết hợp với gia tốc tối đa trong giới hạn an toàn, giúp xe không vượt quá khả năng điều khiển của mình.

Phương tiện trong hệ thống mô phỏng được thiết kế với chiều dài thân xe đạt 5m Trong khi di chuyển, khoảng cách giữa các phương tiện không nhỏ hơn 2.5m

Phương tiện trong hệ thống mô phỏng có thể đạt tốc độ tối đa lên đến 90km/h, với khả năng tăng tốc là 1m/s^2 và khả năng hãm tốc là 4,5m/s^2 Đèn giao thông đóng vai trò quan trọng trong quản lý giao thông, cải thiện lưu lượng giao thông và đảm bảo an toàn cho người tham gia giao thông Mỗi nút giao thông trong hệ thống mô phỏng có thể được trang bị đèn giao thông, cho phép thực hiện các thao tác tăng, giảm thời gian của mỗi cột đèn thông qua bộ điều khiển mờ, giúp điều chỉnh lưu lượng giao thông một cách linh hoạt và hiệu quả.

Kịch bản mô phỏng trong SUMO được xác định thông qua mạng lưới đường bộ và nhu cầu giao thông Mạng lưới đường có thể được tạo thủ công bằng cách sử dụng tệp XML hoặc nhập từ các định dạng khác như OpenStreetMap, PTV VISUM, VISSIM, OpenDRIVE, MATsim, và ArcView Người dùng có thể tạo ra các mạng ngẫu nhiên theo quy tắc như mạng ngẫu nhiên, mạng nhện và mạng lưới Để dễ dàng điều chỉnh thông tin hệ thống giao thông trong SUMO, phần mềm NetEdit được tích hợp sẵn cho phép thiết kế các thành phần tĩnh của giao lộ, bao gồm đặc điểm đường, phân bố đèn giao thông và kết nối làn đường qua giao lộ.

Nhu cầu lưu lượng có thể được xác định qua nhiều cách khác nhau, bao gồm định nghĩa chuyến đi, luồng, ngẫu nhiên, và ma trận bắt đầu-kết thúc (định dạng VISUM / VISION / VISSIM) SUMO hỗ trợ đa dạng loại phương tiện như xe máy, xe tải, xe buýt, xe đạp và đường sắt, đồng thời cũng bao gồm người đi bộ Công cụ ActivityGen trong mô hình hóa nhu cầu giao thông cho phép tạo ra nhu cầu lưu lượng từ dữ liệu dân số với các tham số như khung tuổi, vị trí trường học, tuyến xe buýt và giờ làm việc Trong quá trình mô phỏng, chuyển động của các phương tiện dựa trên các mô hình dọc.

31 ngang Cả hai mô hình có thể được chọn cho từng loại xe trong số một số loại đã được triển khai trong SUMO

SUMO cung cấp API TraCI để giao tiếp với các hệ thống bên ngoài, sử dụng giao thức TCP theo kiến trúc Client-Server trong quá trình mô phỏng TraCI cho phép tương tác với mô phỏng theo thời gian thực, thu thập trạng thái của giao lộ tại mỗi dấu thời gian và thực hiện các hành động được chọn bởi các tác nhân.

Công cụ SUMO-GUI cho phép người dùng trải nghiệm mô phỏng thực tế với khả năng điều chỉnh tốc độ mô phỏng, từ đó giúp kiểm tra hiệu suất của các tác nhân Mỗi bước trong mô phỏng SUMO tương ứng với 1 giây, mang lại cái nhìn rõ nét về hoạt động của các tác nhân trong quá trình mô phỏng.

Phần mềm hỗ trợ tính toán MATLAB

MATLAB® là nền tảng lập trình chuyên biệt cho kỹ sư và nhà khoa học, với ngôn ngữ MATLAB là trung tâm Ngôn ngữ này dựa trên ma trận, cho phép thể hiện toán học tính toán một cách tự nhiên và hiệu quả.

Một số công dụng chính của MATLAB:

• Tạo mô hình và ứng dụng

Ngôn ngữ và các hàm toán học tích hợp sẵn trong MATLAB giúp người dùng nhanh chóng khám phá nhiều cách tiếp cận để tìm ra giải pháp MATLAB cho phép chuyển đổi ý tưởng từ nghiên cứu sang sản xuất thông qua việc triển khai ứng dụng doanh nghiệp và thiết bị nhúng, đồng thời tích hợp với Simulink® và thiết kế dựa trên mô hình.

MATLAB là một hệ thống tương tác với thành phần dữ liệu chính là mảng không yêu cầu kích thước, giúp giải quyết hiệu quả các vấn đề kỹ thuật, đặc biệt là các bài toán liên quan đến ma trận và vectơ Việc sử dụng MATLAB cho phép tiết kiệm thời gian đáng kể so với việc lập trình bằng các ngôn ngữ không tương tác như C hoặc Fortran.

Fuzzy Logic Toolbox cung cấp các công cụ và ứng dụng MATLAB cùng khối Simulink để phân tích, thiết kế và mô phỏng các hệ thống dựa trên logic mờ Sản phẩm này hướng dẫn người dùng qua quy trình thiết kế hệ thống suy luận mờ, với các chức năng hỗ trợ nhiều phương pháp phổ biến như phân cụm mờ và học tập thần kinh thích nghi.

Toolbox cho phép mô hình hóa hành vi hệ thống phức tạp thông qua quy tắc logic đơn giản và thực hiện chúng trong hệ thống suy luận mờ Nó có thể được sử dụng như một công cụ suy luận mờ độc lập Bên cạnh đó, các khối suy luận mờ cũng có thể được tích hợp vào Simulink, cho phép mô phỏng các hệ thống mờ trong một mô hình toàn diện của hệ thống động.

Fuzzy Logic Toolbox cho phép triển khai hệ thống suy luận mờ bằng cách tạo mã C trong Simulink hoặc MATLAB Người dùng có thể tạo văn bản có cấu trúc cho hệ thống suy luận mờ thông qua khối bộ điều khiển logic mờ Ngoài ra, có thể tạo mã C chính xác đơn để tối ưu dung lượng bộ nhớ hoặc mã điểm cố định nếu nền tảng đích chỉ hỗ trợ số học điểm cố định.

Trong luận văn này, SUMO được áp dụng để mô phỏng các phương tiện giao thông trong hạ tầng theo thời gian thực, với hệ thống đèn giao thông hoạt động tự động.

Hệ thống điều khiển mờ được triển khai trong MATLAB thông qua fuzzy toolbox, với nhiệm vụ xử lý và tính toán thông tin từ môi trường để đưa vào bộ điều khiển mờ Bộ điều khiển này thực hiện các bước mờ hóa, tính toán và giải mờ, từ đó xác định thời gian điều khiển đèn giao thông Để kết nối giữa SUMO và MATLAB, cần một phần tử trung gian để gửi và nhận dữ liệu cũng như lệnh điều khiển Luận văn sẽ sử dụng TraCI4Matlab, một API, để thực hiện chức năng này.

33 phát triển trong Matlab cho phép giao tiếp giữa bất kỳ ứng dụng nào được phát triển bằng MATLAB và giao thông đô thị giả lập SUMO

TraCI4Matlab là một công cụ mạnh mẽ triển khai giao thức TraCI (Giao diện điều khiển giao thông) trên nền tảng Matlab, cho phép các ứng dụng truy cập và điều chỉnh môi trường mô phỏng từ máy chủ SUMO Với TraCI4Matlab, người dùng có thể kiểm soát các đối tượng trong SUMO như xe cộ, đèn giao thông và nút giao thông, từ đó hỗ trợ các ứng dụng như điều khiển đèn giao thông, dự báo lưu lượng và phân công tuyến đường một cách linh hoạt.

Hệ thống điều khiển mờ

Hệ thống điều khiển mờ là sự kết hợp của các thành phần vật lý nhằm điều chỉnh một hệ thống khác để đạt được các đặc tính mong muốn Dưới đây là một số lý do tại sao logic mờ được áp dụng trong các hệ thống điều khiển.

Khi sử dụng phương pháp điều khiển truyền thống, việc hiểu rõ mô hình và hàm mục tiêu được xây dựng theo thuật ngữ chính xác là rất cần thiết Tuy nhiên, điều này gây khó khăn trong việc áp dụng phương pháp này trong nhiều tình huống khác nhau.

• Bằng cách áp dụng logic mờ cho điều khiển, chúng ta có thể sử dụng chuyên môn và kinh nghiệm của con người để thiết kế bộ điều khiển

• Các quy tắc điều khiển mờ, về cơ bản là các quy tắc IF-THEN, có thể được sử dụng tốt nhất trong việc thiết kế bộ điều khiển

Hình 3.3: MATLAB tương tác và điều khiển SUMO

Dựa trên bộ điều khiển mờ, ta sẽ có thể tạo ra một hệ thống điều khiển hoàn chỉnh

Ta sẽ thực hiện điều khiển các đèn tín hiệu bằng cách sử dụng logic mờ nhằm giảm tổng thời gian chờ của các phương tiện sao cho:

- Một pha đèn có thời gian đèn đỏ nhỏ hơn thời gian Tđmax nào đó, Tđmax được xác định phụ thuộc vào từng nút

- Một pha đèn có thời gian đèn xanh không nhỏ hơn thời gian Txmin nào đó,

Tđmax được xác định phụ thuộc vào từng nút

Hình 3.4: Mờ hoá kết quả (nguồn http://digitalthinkerhelp.com/wp- content/uploads/2019/06/fuzzy-logic.png)

Hình 3.5: Bộ điều khiển mờ (nguồn https://www.intechopen.com/media/chapter/6578/media/image6.jpeg)

- Thời gian chờ trung bình của các phương tiện là nhỏ nhất

Tđmax là thời gian tối đa cho đèn đỏ khi tín hiệu đèn này hoạt động, nhằm đảm bảo các phương tiện không phải chờ quá lâu, thường thì thời gian đèn đỏ sẽ nhỏ hơn Tđmax Ngược lại, Txmin là thời gian tối thiểu mà đèn xanh cần phải bật để các phương tiện có thể vượt qua nút giao, và thông thường thời gian đèn xanh sẽ vượt quá Txmin.

Bộ điều khiển mờ

MATLAB là một ngôn ngữ lập trình do MathWorks phát triển, cho phép người dùng xây dựng ma trận, vẽ đồ thị hàm số và biểu đồ dữ liệu, cũng như thực hiện các phép toán Fuzzy Logic Toolbox trong MATLAB giúp mô hình hóa hành vi của các hệ thống phức tạp thông qua việc sử dụng các quy tắc logic đơn giản, từ đó thực hiện các quy tắc này trong hệ thống suy luận mờ.

Bộ điều khiển mờ có nhiệm vụ xác định chu kỳ đèn xanh tiếp theo dựa vào lưu lượng xe ước lượng trên hai tuyến đường và mật độ xe tại nút giao thông tiếp theo Các đầu vào và đầu ra của bộ điều khiển được thiết kế để tiếp nhận lưu lượng xe trên tuyến đường đi thẳng (primaryRoad) và tuyến đường cắt ngang (crossRoad), cũng như mật độ xe của nút giao thông tiếp theo, với giá trị vật lý dao động trong khoảng [0, 100] Các giá trị này được mờ hóa thành 5 tập mờ chính: Rất Thấp, Thấp, Trung Bình, Cao và Rất Cao.

Hình 3.6: Ngõ vào, ra của bộ điều khiển mờ

Mỗi giá trị vật lý của lưu lượng xe được giải thuật ước lượng cung cấp sẽ tương ứng với độ phụ thuộc của ngõ vào bộ điều khiển mờ.

Giá trị đầu vào của đường chính, đường mà thời gian đèn xanh sẽ được điều chỉnh được mờ hoá theo 5 tập chính tắc kể trên ở như sau:

Sau đó, ta có giá trị được mờ hoá cho đường cắt ngang, giao nhau với đường được chính được thiết kế như sau:

Và cuối cùng, giá trị mờ hoá của mật độ phương tiện tại nút giao thông lân cận được mờ hoá theo hình:

Hình 3.7: Mờ hoá giá trị đầu vào cho xe trên tuyến đường đi thẳng

Hình 3.8: Mờ hoá giá trị đầu vào cho xe trên tuyến đường cắt ngang

Thời gian đèn xanh cho tuyến đường có giá trị vật lý biến thiên từ -30 đến 30 giây, và được phân loại thành 5 mức độ mờ chính tắc: Rất Thấp, Thấp, Trung Bình, Cao và Rất Cao.

Nghiên cứu của Jarkko Niittymọki về bộ luật điều khiển mờ đã áp dụng quy tắc modus ponens và modus tollens, đồng thời thực hiện hiệu chỉnh thông qua thực nghiệm, dẫn đến việc phát triển bộ điều khiển mờ với 150 luật Một ví dụ cụ thể về một trong những luật này sẽ được minh họa trong nghiên cứu.

IF primaryRoad = Low AND crossRoad = Low AND TLDensity = Low THEN greenTime = Low

IF primaryRoad = High AND crossRoad = High AND TLDensity = High THEN greenTime = Medium

Hình 3.10: Mờ hoá giá trị đầu ra Hình 3.9: Mờ hoá giá trị đầu vào cho mật độ xe của nút giao thông tiếp theo

Áp dụng cơ chế suy diễn mờ MAX-MIN và giải mờ bằng phương pháp điểm trọng tâm, bộ luật điều khiển được xây dựng như trong các bảng 2, 3, 4 Mặt phẳng mờ thể hiện mối quan hệ giữa lưu lượng xe trên hai tuyến đường, mật độ nút và thời gian đèn xanh tương ứng như trong hình 11, 23, 13 Thời gian đèn xanh cho tuyến đường có lưu lượng xe lớn hơn sẽ dài hơn, trong khi thời gian đèn xanh sẽ ngắn hơn nếu lưu lượng xe thấp.

Thời gian đèn xanh tại các nút giao thông phụ thuộc vào mật độ phương tiện xung quanh Khi mật độ phương tiện tại nút cao, lưu lượng xe vào nút sẽ được giảm, trong khi thời gian đèn xanh sẽ được tăng lên nếu mật độ phương tiện ở mức trung bình hoặc thấp.

Very low Very low Very low Very low Very low Very low

Low Low Low Low Low Very low

Medium High High Medium Low Low

High High High High High High

Very high Very high Very high High High Very high

Bảng 3.1: Bảng sự tương quan giữa đường chính và đường cắt

Hình 3.11: Đồ thị tương quan giữa đường chính và đường cắt

TLDensity primaryRoad Very low Low Medium High Very high

Very low Very low Very low Very low Very low Very low

Low Low Low Low Very low Very low

Medium Medium Medium Medium Low Low

High High High High Medium Medium

Very high Very high Very high High Medium Medium

Bảng 3.2: Bảng sự tương quan giữa đường chính và mật độ nút giao thông

TLDensity crossRoad Very low Low Medium High Very high

Very low Very high Very high High High Medium

Low High High Medium Medium Medium

Medium High High Medium Low Low

High Medium Medium Medium Low Low

Very high Low Low Low Very low Very low

Bảng 3.3: Bảng sự tương quan giữa đường cắt và mật độ nút giao thông Hình 3.12: Đồ thị tương quan giữa đường chính và mật độ nút giao thông

Môi trường thử nghiệm

Người viết xây dựng môi trường thử nghiệm trên SUMO một hệ thống nút giao thông như sau:

• 4 ngã tư có hệ thống đèn điều khiển giao thông

• Mỗi con đường có chiều dài 750m

• Với mỗi chiều đi ta có 4 làn xe, trong đó: 2 làn chỉ đi thẳng, 1 làn đi thẳng và rẽ phải, 1 làn đi thẳng và rẽ trái

Hình 3.13: Đồ thị tương quan giữa đường cắt và mật độ nút giao thông

Hình 3.14: Nút giao thông thực hiện mô phỏng

Để kết nối và điều khiển hệ thống đèn giao thông thông qua MATLAB, chúng ta sử dụng thư viện TraCi4Matlab, được cung cấp cùng với SUMO.

Các phương tiện được khởi động ngẫu nhiên từ một trong tám đường W2TL, W2TL2, N2TL2, N2TL3, E2TL3, E2TL4, S2TL4 và S2TL Điểm dừng của mỗi phương tiện cũng được chọn ngẫu nhiên, phụ thuộc vào vị trí hiện tại và hướng di chuyển, nằm trong số tám đường TL2W, TL22W, TL22N, TL32N, TL32E, TL42E, TL42S và TL2S Vận tốc tối đa của các phương tiện được thiết kế là 90 km/h, với gia tốc dương là 1 m/s² khi tăng tốc và gia tốc âm là 4.5 m/s² khi giảm tốc.

Kịch bản mô phỏng trong luận văn sử dụng để mô phỏng hành vi giao thông tại ngã tư, với xác suất rẽ trái và rẽ phải lần lượt là 25%, trong khi xác suất đi thẳng là 75% Các phương tiện được phân phối trong khoảng thời gian 5400 giây, theo phân phối Weibull, với số lượng xe lần lượt là 100, 1000, 2000, 4000, 8000 và 16000.

Các pha đèn của ngã tư được thiết kế như sau:

• Đèn cho phép xe đi từ hướng Đông-Tây, Tây-Đông, và các xe rẽ phải khi lưu thông trên đường này (EW)

• Đèn cho phép xe đi từ hướng Đông-Tây, Tây-Đông được phép rẽ trái (EWA)

• Đèn cho phép xe đi từ hướng Bắc-Nam, Nam-Bắc,và các xe rẽ phải khi lưu thông trên đường này (NS)

• Đèn cho phép xe đi từ hướng Bắc-Nam, Nam-Bắc được phép rẽ trái (NSA)

Thời gian chờ của mỗi phương tiện được SUMO tính toán và lưu trữ, sau đó được MatLab lấy về thông qua Traci4Matlab.

Kết quả thực nghiệm

Hệ thống đèn giao thông sẽ hoạt động theo chu kỳ, với thời gian cố định cho mỗi pha đèn Trước khi chuyển sang pha đèn khác, sẽ có một khoảng thời gian đèn vàng Thời gian cụ thể cho từng pha đèn được trình bày chi tiết trong bảng 3.4 dưới đây.

Pha đèn Thời gian (giây)

Bảng 3.4: Bảng thời gian đèn giao thông của hệ thống đèn tĩnh

Hình 3.15: Các pha đèn tín hiệu giao thông

Bảng 3.5: Bảng kết quả chạy giả lập cho đèn giao thông tĩnh

3.8.2 Hệ thống giao thông sử dụng bộ điều khiển mờ

Bảng 3.6: Bảng kết quả chạy giả lập cho đèn giao thông sử dụng bộ điều khiển mờ

Tiêu đề	Phát Triển Thuật Toán Tối Ưu Dòng Xe Di Chuyển Trên Đường Dựa Trên Hệ Thống Đèn Giao Thông Thông Minh
Tác giả	Bùi Nguyễn Chí Đạt
Người hướng dẫn	TS. Nguyễn Văn Thái
Trường học	Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Chuyên ngành	Ngành Khoa Học Máy Tính
Thể loại	Luận Văn Thạc Sĩ
Năm xuất bản	2020
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	94
Dung lượng	6,45 MB