Použití softwaru VisVAP pro vývoj nových systémů řízení dopravy aplikace fuzzy algoritmů pro LŘD a SSZ. ČVUT v Praze Fakulta dopravní, Ústav aplikované informatiky v dopravě Zdroj: http://www.okruhprahy.cz/ Odborný seminář a setkání uživatelů PTV Vision v ČR 18. března 2014, Praha, Milan Koukol
Teoretická východiska: Aplikace fuzzy logiky v systému řízení dopravy Aktuální a živé téma řešené od roku 1977 do současnosti * Neexistence uceleného postupu návrhu fuzzy strategie řízení v aplikaci VisVAP Možnost vývoje fuzzy systému řízení v aplikaci VisVAP pro vybrané dopravní systémy obsahující řízení dopravy Přínos fuzzy logiky v systému řízení SSZ ověřen na praktické realizaci (Finsko, projekt FUSICO, 1998-2001) Předpoklad dalšího rozšíření navrženého algoritmu řízení např. o optimalizační prvky nebo prvky umělé inteligence * KOUKOL, Milan. Přehled současných vědeckých a aplikačních výsledků v řízení světelné signalizace pomocí fuzzy logiky. Výzkumná zpráva č. 2327. Praha: ÚTIA AVČR, 2012, 41 s.: 2
Výhody aplikace VisVAP při návrhu systému řízení dopravy Intuitivní a rychlá tvorba strategie řízení pomocí vývojových diagramů, bez hlubších znalostí programování Grafické znázornění Prvek Terminus Popis Symbol definuje počátek a konec algoritmu. Možnost rychlých změna navrženého systému řízení např. rozšíření o optimalizační prvky nebo změnu vybraných parametrů Statement Condition Symbol použijeme pro definici příkazů nebo přiřazení. Symbolem určujeme logické podmínky. Metodika návrhu Řídicí strategie může být použita pro libovolný dopravní systém Aplikace VisVAP nabízí dostatečné množství funkcí pro sledování a vyhodnocení dopravně inženýrských dat z mikrosimulačního modelu 3
Přínosy a cíle aplikace fuzzy logiky (nejenom) v LŘD Zvýšení kapacity komunikace Snížení kongescí Zvýšení bezpečnosti Současnost (LŘD) Blízká budoucnost * (LŘD) Systém řízení dopravy založený na MARZ Systém řízení dopravy obsahující fuzzy logiku SOKP, D1 atp. * SIRID, TA02030522, TAČR, Vývoj nové generace liniového řízení dopravy a testovacího prostředí 4
Použití mikrosimulačního modelu k vyhodnocení přínosu nekonvenčních systému řízení Navržené algoritmy řízení nelze vyhodnotit a porovnat s aktuálním systémem řízení dopravy v reálném provozu, z tohoto důvodu, lze dosáhnou úspory nákladů, zkrátit čas vývoje a implementace systému řízení a zmenšit riziko chyby. d Řídicí prvek (PDZ, SSZ) Dopravní systém Senzory y Zdroj: http://www.okruhprahy.cz/ u Řídicí strategie o Minimalizace cestovní doby atp. Blokové schéma dopravního systému obsahující systém řízení 5
Propojení mikrosimulačního modelu a systému řízení* Intenzity, skladba dopravního proudu, rychlosti vozidel, typy vozidel, chování vozidel, dopravní síť atd. Mikrosimulační model PTV VISSIM PDZ Dopravní systém Senzory y VAP modul systém řízení Určení požadované rychlosti vozidel Konvenční výpočty a přiřazení Zpracování dat Defuzzifikace Fuzzy inferenční systém Fuzzifikace Fuzzy část systému řízení Báze znalostí * KOUKOL, M., PŘIBYL, O.: Fuzzy algorithm for highway speed harmonisation in VISSIM, Activities of Transport Telematics, 13th International Conference on Transport Systems Telematics, TST 2013, Katowice-Ustroń, Poland, October 23 26, 2013, Selected Papers, pp 459-467, ISBN 978-3-642-41646-0, Publisher Springer Berlin Heidelberg 6
Blokové schéma fuzzy logika v systému řízení 1. Převedení vstupní ostré veličiny na fuzzy data (Fuzzifikace). 2. Nalezení výstupní fuzzy množiny. 3. Přiřadit-nalézt k výstupní množině vhodnou ostrou hodnotu akční veličiny (Defuzzifkace). o 1. 2. 3. Fuzzifikace Fuzzy inferenční systém Defuzzifikace u Fuzzy část systému řízení Báze znalostí Ve znalostní bázi jsou umístěny údaje o fuzzy množinách (jejich tvaru a poloze v univerzu) všech proměnných v systému. Báze pravidel obsahuje všechna pravidla fuzzy množiny v následujícím tvaru: jestliže < fuzzy výrok > pak < fuzzy výrok > (fuzzy implikace 7
Proces fuzzifikace v aplikaci VisVAP Parametrizace vybraných fuzzy množin a výpočet funkce příslušností (MF). Realizace v aplikaci VisVAP Trojúhelníková fuzzy množina a její umístnění na univerzu Λ vpt, α, β, γ = 0 vpt < α vpt α β α α vpt β γ vpt γ β β vpt γ 0 vpt > γ M. Koukol, O. Přibyl: Design methodology of a fuzzy control system in PTV VISSIM, Transactions on Transport Sciences. Volume 6, Issue 4, Pages 177 184, ISSN (Online) 1802-9876, ISSN (Print) 1802-971X, DOI: 10.2478/v10158-012-0045-9, December 2013 8
Inferenční mechanismus v aplikaci VisVAP Mamdaniho implikace na dvourozměrné závislosti s logickým operátorem AND Jestliže VPT je málo a VAG je málo pak GTD je krátká Realizace v aplikaci VisVAP 9
Proces defuzzifikace v aplikaci VisVAP Ostrou hodnotu výstupní proměnné určíme jako souřadnici těžiště plochy. Lze také určit souřadnici těžiště plochy, která vznikla sjednocením dílčích ploch Realizace v aplikaci VisVAP Metoda středu plochy - COA ( Center of Area ) gtd = j=1 m j=1 m x j mf kratka x j mf kratka x j 10
Případové studie: Aplikace fuzzy logiky v dopravně inženýrské úloze 1) Metodologický postupu návrhu fuzzy strategie řízení v softwaru VisVAP s aplikací na dopravně inženýrskou úlohu - dynamické řízení SSZ vybrané průsečné křižovatky. Koukol, Milan. 2013. Posouzení úrovňových křižovatek z hlediska kapacity a kvality provozu. Praha : ČVUT v Praze, Fakulta dopravní, 2013. Disertační práce. 2) Navržení fuzzy algoritmů pro liniové řízení dopravy na dálnicích a rychlostních komunikacích aplikace a ověření přínosů. Beneš, Jiří. 2013. Inteligentní metody řízení dopravy na liniových komunikacích. Praha : ČVUT v Praze, Fakulta dopravní, 2013. Diplomová práce. 11
Intenzita [jvoz/h] Aplikace a ověření přínosů navržených fuzzy algoritmů: Mikrosimulační model úseku dálnice D1 Simulace probíhala na namodelovaném úseku dálnice D1 od km 21,0 (MÚK Mirošovice) do km 10,0 (v současné době MÚK Modletice). Vyhodnocení navržených algoritmů z hlediska ovlivnění dopravního proudu. Porovnání algoritmů se stávajícím řídicím algoritmem LŘD. 4500 Intenzita vozidel, D1 km 21,9 4000 3500 3000 2500 2000 1500 1000 500 0 čas [h] 12
Návrh fuzzy algoritmů pro liniové řízení dopravy na dálnicích a rychlostních komunikacích* Fuzzy algoritmus typ 1 Naměřené hodnoty: Intenzita, rychlost Vypočtené hodnoty: Hustota Fuzzy inferenční systém (Takagi-Sugeno) Požadovaná rychlost (PDZ) Fuzzy algoritmus typ 2 (dvoustupňový) Naměřené hodnoty: Intenzita, rychlost Fuzzy inferenční systém (Mamdani) Druhý stupeň Vypočtené hodnoty: Hustota První stupeň Fuzzy inferenční systém (Takagi-Sugeno) Požadovaná rychlost (PDZ) * První ověření navržených algoritmů probíhalo pomocí nástrojů Fuzzy Logic Toolbox a Simulink v softwarovém prostředí MATLAB. 13
Funkce příslušnosti Funkce příslušnosti Funkce příslušnosti Případová studie: Navržené funkce příslušnosti vstupní proměnné (fuzzy alg. 1)* Rychlost [km/h] Intenzita [jvoz/h] Hustota [voz/km] * Beneš, Jiří. 2013. Inteligentní metody řízení dopravy na liniových komunikacích, Praha : ČVUT v Praze, Fakulta dopravní, 2013. Diplomová práce. 14
Vzdálenost směrem k Praze [km] Zpoždění [sec.] Vzdálenost směrem k Praze [km] Zpoždění [sec.] Případová studie: LT digram ztrátového času (Delay time) * Stávající řídicí algoritmus pro LŘD Fuzzy algoritmus typ 1 Průběh dne [h] Průběh dne [h] * Beneš, Jiří. 2013. Inteligentní metody řízení dopravy na liniových komunikacích, Praha : ČVUT v Praze, Fakulta dopravní, 2013. Diplomová práce. 15
Závěr Aplikace VisVAP se ukázala jako vhodný nástroj pro návrh a vývoj nekonvenčních systémů řízení vedoucí ke zvýšení kapacity dopravních systémů Z porovnání vyplývá, že fuzzy algoritmy určené pro LŘD mají potenciál pro další vývoj Postupy, poznatky a výsledky prezentovaných prací jsou dále používány v projektu SIRID (TA02030522, Vývoj nové generace liniového řízení dopravy a testovacího prostředí) Navržené postupy (metodiky) lze využít pro vybrané dopravně inženýrské úlohy obsahující systém řízení Zdroj: http://www.okruhprahy.cz/ 16
Děkuji za pozornost Koukol Milan koukol@fd.cvut.cz