Verkenning Fuzzy Decision Support Systeem

Verkenning Fuzzy Decision Support Systeem Prototype Besiissingsondersteunend Systeem voor Wegverkeersleiders 28 September 2000

Literatuurstudie

Ministerie van Verkeer en Waterstaat Directoraat-Ceneraal Rijkswaterstaat

Adviesdienst Verke

De Adviesdienst Verkeer en Vervoer AVV is één van de specialistische diensten van het Directoraat-Generaal Rijkswaterstaat van het ministerie van Verkeer en Waterstaat. De dienst werkt voor het ministerie en in opdracht daarvan ook voor andere overheden. AVV zorgt voor deskundige en tijdige inbreng van kennis bij de ontwikkeling en uitvoering van het rijksbeleid voor het verplaatsen van personen en goederen. Bestellen Adviesdienst Verkeer en Vervoer Service Desk telefoon 045-560 52 00 Internet www.rws-avv.nl

Uitlenen van rapporten Adviesdienst Verkeer en Vervoer Bibliotheek telefoon 010-282 56 08

Verkenning Fuzzy Decision Support Systeem Prototype Beslissingsondersteunend Systeem voor Wegverkeersleiders 28 september 2000

Literatuurstudie

Colofon Ministerie van Verkeer en Waterstaat Directoraat-Generaal Rijkswaterstaat Adviesdienst Verkeer en Vervoer Postbus 1031 3000 BA Rotterdam Auteurs: Dr. ir. Serge P. Hoogendoorn (TUD-CiTC) Ir. Andreas Hegyi (TUD-ITS) Prof. dr. ir. HenkJ. van Zuylen (TUD-CiTC)

projectbegeleiding en redactie: ir. H. Schuurman Datum: 28 september 2000 Oplage 1: 50 exemplaren

Inhoudsopgave

Verkenning Fuzzy Decision Support Systeem

1

Inleiding

7

2 2.1 2.2 2.3 2.4 2.5

Beslissingsondersteuning en vage logica Takenpakket van de operator Structureren takenpakket en ondersteuning operator Taken van beslissingsondersteunend systeem Operationele lagen DSS Perspectieven vage logica

11 11 11 11 12 13

3 3.1 3.2 3.3 3.3.1 3.3.2

Plan van aanpak literatuurstudie Databases Gebruikte zoektermen en screening Analyse bijdragen Objectieve samenvatting Kritische analyse

15 15 15 15 16 16

4 4.1 4.2 4.2.1 4.2.2 4.2.3 4.2.4 4.2.5 4.3 4.3.1 4.3.2 4.3.3 4.3.4 4.4 4.5 4.6 4.7

Samenvatting gevonden bijdragen Visies ten aanzien van taken, eisen en randvoorwaarden DSS Complete beslissingsondersteunende systemen Beslissingsondersteunend systeem FRED Santa Monica Smart Corridor Demonstration Project Massachussets Turnpike TRYS FLUIDS Systemen voor data-analyse (monitoring, schatting en diagnose) Congestiedetectie Incidentdetectie INTREPID Data-fusion Systemen voor generatie alternatieve regeltactieken Systemen voor voorspellen verkeersituatie Communicatie en acceptatie Kennisacquisitie en representatie

17 17 18 18 20 21 21 26 27 27 28 29 30 31 31 32 33

5 5.1 5.2

Analogieë n andere vakgebieden Detecteren, classificeren en diagnosticeren Voorspellen van toestanden

35 35 36

6 6.1 6.2 6.3 6.4 6.5 6.6 6.6.1 6.6.2 6.6.3 6.6.4

Samenvatting Taken Fuzzy Decision Support Systeem Detecteren, classificeren en diagnosticeren Generen van aanbevelingen Geconditioneerd voorspellen van de verkeerssituaties Analogieën andere vakgebieden Conclusies en concept functioneel ontwerp prototype Modulaire opbouw met intelligente agenten Deelsystemen in een agent Classificatie verkeerstoestand Genereren regelscenario's

37 37 38 39 39 39 39 40 40 40 41

3/58

1

Bibliografie

43

7 A.1

Geannoteerde Literatuurlijst The Impact of Explanation facilities on User Acceptance of Expert Systems Advice A knowledge-based Decision Support Architecture for Advanced Traffic Management Real-Time Expert System Approach to Freeway Incident Management Real-Time Decision-Support System for Freeway Management and Control Emerging Technology Applications in Intelligent Vehicle-Highway Systems, Santa Monica Freeway Smart Corridor Project Operational MultiAgency Traffic Management and Expert System Incident Management System for Santa Monica Smart Corridor Improved Freeway Incident Detection Using Fuzzy Set Theory Intelligent Highway by Fuzzy Logic: Congestion Detection and Traffic Control on Multi-Lane Roads with variable Road Signs A Complete Fuzzy Logic Control Approach for Existing Traffic Control Systems A Dynamic Traffic State Monitoring System for Freeway Management Knowledge-Based Expert System for Managing Congestion on Massachusets Tumpike Knowledge Acquisition, Representation, and Knowledge Base Development of Intelligent Traffic Evaluator for Prompt Incident Diagnosis

45

A.2 A.3 A.4 A.5 A.6 A.7 A.8 A.9 A.10 A.11 A.12 A.13


4/58

46 47 48 49 50 51 52 52 54 54 55 57

58

Samenvatting

Bij het informeren en sturen van verkeer in netwerken functioneren de verschillende Dynamisch Verkeersmanagement maatregelen deels automatisch en deels met tussenkomst van de managers en -operators in verkeerscentrales. Veranderende ideeën met betrekking tot verkeersbeheersing, duiden op het belang van een meer gecoördineerde aanpak om de verschillende maatregelen aan te sturen. Dit geeft echter aanleiding tot een grotere complexiteit van de regeltaak. Dit is met name het geval, indien zich niet-reguliere verkeerssituaties voordoen. Dit neemt niet weg dat ook onder reguliere omstandigheden een gecoördineerde aanpak verbetering van de benutting van het verkeersnetwerk tot gevolg zal hebben. Gezien bovengenoemde complexiteit is het waarschijnlijk dat de toekomstige wegverkeersleider niet in staat zal zijn om zonder hulpmiddelen de herziene regeltaak op optimale wijze te vervullen. Om de wegverkeersleider te ondersteunen, kan een beslissingsondersteunend systeem worden ingericht. Gezien de gunstige perspectieven van vage logica voor het verkeers- en vervoerstoepassingen en de succesvolle applicaties in analoge vakgebieden, ligt het gebruik van vage logica in een beslissingsondersteunend systeem voor de hand. In opdracht van de Adviesdienst Verkeer en Vervoer, ontwikkelt de Technische Universiteit Delft in het project Fuzzy Decision Support System (FDSS) een prototype voor een beslissingsondersteunend systeem, gebaseerd op vage logica. Dit project vormt een onderdeel van het BOSS project. Onderliggend rapport omvat de resultaten van de eerste fase van dit onderzoek, namelijk de literatuurstudie. In deze eerste fase zijn een aantal relevante publicaties welke toepassingen van beslissingsondersteunende systemen in Dynamisch Verkeersmanagement beschrijven, geanalyseerd. In beginsel is naar toepassingen op autosnelwegnetwerken gezocht. Beslissingsondersteunende systemen voor verkeersbeheersing in netwerken, gebaseerd op vage logica zijn echter schaars. Vandaar dat het literatuuronderzoek is uitgebreid met enerzijds niet-vage beslissingsondersteunende systemen, en anderzijds met toepassingen op niet autosnelwegen (stedelijke netwerken). Zeker in dit laatste geval zijn bruikbare voorbeelden van beslissingsondersteunende systemen, gebaseerd op vage logica, gevonden. In veel publicaties worden de verschillende taken van beslissingsondersteunende systemen beschreven. De beschreven systemen hebben een klassieke diagnose-remedie structuur. Met andere woorden, de taken van een FDSS zijn monitoring (detectie, classificatie en diagnosticeren), genereren van aanbevelingen (scenario's), geconditioneerd voorspellen van de verkeerssituatie (gegeven de scenario's), en het verklaren hoe tot een bepaalde aanbeveling is gekomen. Voor autosnelwegen zijn echter geen functionerende vage beslissingsondersteunende systemen beschreven. Veelal verhandelen de geanalyseerde bijdragen over deeltaken binnen het beslisproces, bijvoorbeeld congestie en incident detectie. Monitoring vindt meestal plaats door gebruik te maken van kennis, vervat in vage beslisregels. Deze ALS-DAN regels maken gebruik van de beschikbare


5/58

verkeersgegevens, om de toestand van het verkeerssysteem (fluïde afwikkeling, congestie, incident, weersomstandigheden) te classificeren. De verkeersgegevens komen in beginsel uit verschillende databronnen. In de literatuur zijn zowel vage systemen gevonden voor zowel congestie- als incidentdetectie. Een kansrijke aanpak is het gebruik van zogenaamde frames als informatie-eenheid, waarin de toestand van een netwerkonderdeel in linguïstische termen wordt gekarakteriseerd (probleemlocatie, ernst probleem, oorzaak probleem). In de volgende fase worden één of meerdere regelscenario's gegenereerd dan wel geselecteerd door het beslissingsondersteunend systeem. Dit gebeurt op basis van de in de monitoring fase bepaalde toestand van het verkeerssysteem. Regelscenario's worden veelal door experts opgegeven op basis van hun kennis en ervaringen. In onderhavige geval is er niet zozeer sprake van generatie van alternatieven, dan wel van het bepalen welke van de vooraf vastgestelde regelscenario's uitgevoerd dient te worden, op basis van de vastgestelde systeemtoestand. Ook in deze fase kunnen vage beslisregels gebruikt worden om kennis en ervaring te vervatten. Op basis van matching (welke antecedent matched het beste met de geïdentificeerde toestand), wordt het meest geschikt regelscenario bepaald. Het gebruik van vage beslisregels betekent dat in geval van een exacte matching van de toestand en het antecedent, het scenario volgend uit de consequentie wordt geadviseerd. Indien een toestand niet precies matched met een van de antecedenten, kan het fuzzy systeem aangeven welk van de antecedenten en de daarbij horende regelscenario's het beste past bij de huidige situatie, dan wel de verschillende scenario's met elkaar te combineren

(interpolatie). Ook voor het bepalen van regelscenario's heeft de benadering met frames zijn waarde bewezen. Voor het bepalen van de regelingen, karakteriseren de regelingen de voorgestelde regeling, de vereiste toestand opdat de regeling kan worden uitgevoerd, en het verwachte effect. Het voordeel van het frame als kenniseenheid, is de mogelijkheid de frames te gebruiken om een voorspelling te doen, door het verwachte effect in ogenschouw te nemen. Gezien de beperkingen van deze verkennende studie enerzijds en de schaal van het beheersingsprobleem voor autosnelwegen, is het gebruik van deels autonome intelligente agenten, de verschillende gebieden in het netwerk beheersen, kansrijk. De onderlinge coördinatie tussen de agenten wordt tot stand gebracht in een hogere systeemlaag, dan wel door onderhandeling tussen de agenten. Tijdens coördinatie worden eventuele inconsistenties tussen de verschillende agenten verholpen. Delft, 28 september 2000.


6/58

1 Inleiding

Verkeersmanagement op het hoofdwegennet gaat een nieuw tijdvak in. Tot voorkort bestond het takenpakket van Dynamisch Verkeersmanagement (DVM) voornamelijk uit het sturen en geleiden van verkeer. Hierbij werken de DVM maatregelen deels automatische en deels door tussenkomst van de verkeersbeheersers (operators) in de verkeerscentrale. Dit laatste gebeurt voornamelijk in geval van niet reguliere situaties, bijvoorbeeld bij incidenten, wegwerkzaamheden en evenementen. De automatisch aangestuurde beheersingsmaatregelen werken als systeem geïsoleerd. Met andere woorden, er is geen synergie tussen de verschillende beheersingsmaatregelen, bijvoorbeeld tussen snelheidssignalering, toeritdosering en DRIP's. Bovendien werken de verschillende beheersingsmaatregelen lokaal (zogenaamde point-control maatregelen). Dit wil zeggen dat de verschillende regelinstallaties, zoals TDI's, niet bewust worden gecoördineerd of op andere wijze samenwerken (coöperatieve regelingen). In reguliere verkeerssituaties blijken deze ongecoördineerde / geïsoleerde maatregelen te volstaan. In deze situaties zijn de automobilisten immers in staat de verkeerssituatie in het netwerk goed in te schatten, zodat zij goede, gebruikersoptimale beslissingen kunnen nemen. De behoefte aan sturing is in deze gevallen navenant klein. Bij grote afwijkingen van de reguliere omstandigheden of bij incidentele omstandigheden door bijvoorbeeld evenementen, wegwerkzaamheden en incidenten, heeft de automobilist echter meer behoefte aan sturing. Hij of zij is in deze gevallen niet in staat optimale keuzes te maken, daar de verwachte verkeerssituatie niet overeenkomt met de situatie in het netwerk en de weggebruiker doorgaans niet goed in staat is te anticiperen op de ontwikkelingen in het netwerk. In deze niet-reguliere situaties voldoen de ongecoördineerde maatregelen niet meer en is er behoefte aan een hoge mate van (bewuste) gecoördineerde sturing. Het dient te worden opgemerkt, dat er natuurlijk altijd een zekere coördinatie tussen de verschillende beheersingsmaatregelen is. De verkeerstoestand bepaalt immers welke van de maatregelen worden geactiveerd, terwijl de verkeerstoestand meestal een niet-lokaal karakter heeft. De meerwaarde van een opgelegde coördinatie is dat synergie en anticipatie kunnen worden toegepast. Concluderend kan ongecoördineerd regelen bij reguliere congestie volstaan. Bij niet-reguliere congestie, bijvoorbeeld door ernstige incidenten, kan het voordelen bieden om vanuit een centrale de verschillende beheersingsmaatregelen gecoördineerd aan te sturen (netwerkregeling), waarbij de gevolgen van het incident opgevangen worden door de stromen in het hele netwerk zo goed mogelijk te sturen. Deze nieuwe benadering zal de betrouwbaarheid en stabiliteit van de verkeersafwikkeling aanmerkelijk kunnen vergroten. Het maken van de beste keuze uit de grote verzameling regeltactieken (gecombineerde inzet beheersingsmaatregelen) is echter geen sinecure. Veel ope-


7/58

rators zijn dan ook niet in staat deze taak op adequate wijze te volbrengen. Om operators te ondersteunen kan een beslissingsondersteunend (decision support system) systeem worden ingericht. In het project Fuzzy Decision Support System (FDSS) wordt een beslissingsondersteunend systeem ontwikkeld, gestoeld op de beginselen van de vage logica. In de eerste fase van dit project is een literatuurstudie uitgevoerd met als doel inzicht te krijgen in eerdere toepassingen van beslissingsondersteunende systemen gebaseerd op vage logica in het algemeen, en voor de verkeersregeling van netwerken in het bijzonder. Onderliggend document vat de resultaten van deze literatuurstudie samen. Uit het literatuuronderzoek is gebleken dat het aantal toepassingen van beslissingsondersteunende systemen ten behoeve van de beheersing van autosnelwegennetten buitengewoon schaars zijn, zeker indien toepassingen van vage logica worden beschouwd. Dientengevolge zijn ook niet-vage beslissingsondersteunende systemen in de beschouwing meegenomen of vage systemen die slechts een van de taken van een beslissingsondersteunend systeem vervullen (bijvoorbeeld, incidentdetectie). Uit de literatuurscan blijkt dat het onderzoek zich tot nu toe voornamelijk richt op zogenaamde diagnose-remedie systemen. Deze systemen hebben een forward-reasoning structuur, die bestaat uit de stappen: 1. Detectie, classificatie en diagnose. 2. Generen van aanbevelingen. 3. Geconditioneerd voorspellen van de verkeerssituatie. 4. Verklaren hoe tot een bepaald resultaat is gekomen. Het verdient vermelding dat er alternatieven bestaan in de vorm van: • Case-based reasoning (in extreme vorm middels neurale netwerken). • Synthetische methoden (optimalisatie van maatregelen, bijvoorbeeld met genetische algoritmen). Verder kan de alternatieve methode die toegepast moet worden nog afhangen van de situatie. Dit kan ertoe leiden dat bijvoorbeeld in sommige gevallen diagnose-remedie methoden worden toegepast, in andere gevallen optimalisatie en in weer andere situaties door het toepassen van eerder gebruikte maatregelen. Uitgaande van het verwachte succes van de verschillende systemen, lijkt een agent-based aanpak geschikt. Door gebruik te maken van een agent-based structuur, kan het systeem modulair (in stappen) worden opgebouwd. Binnen deze structuur wordt de intelligentie verdeeld over de agenten enerzijds en een coördinerende laag anderzijds. In deze verkennende studie zal de nadruk liggen op het ontwerpen van een enkele agent. Bij de beheersing van grote netwerken is een prominente rol voor de coördinerende laag weggelegd. De agenten bevatten intelligentie om een aantal taken te vervullen, namelijk probleemidentificatie, het genereren regelscenario's, het doen van voorspellingen, en tracering van het beslisproces. Middels vage beslisregels kunnen deze taken op efficiënte wijze worden vervuld. Het rapport is als volgt opgebouwd. Hoofdstuk 2 beschrijft kort de projectcontext en de aanleiding voor het gebruik van vage logica bij het ontwerp van een beslissingsondersteunend systeem. In hoofdstuk 3 wordt de opzet van de literatuurstudie beschreven. Hoofdstuk 4 vat de resultaten van de literatuurstudie samen. In hoofdstuk 5 worden enkele relevante voorbeelden


8/58

samen. In hoofdstuk 5 worden enkele relevante voorbeelden aangehaald uit verwante vakgebieden. Hoofdstuk 6 bevat de conclusies en aanbevelingen. De appendix bestaat uit een geannoteerde literatuurlijst van de geanalyseerde bijdragen.


9/58


10/58

2 Beslissingsondersteuning en vage logica

In dit hoofdstuk wordt het probleem van het ondersteunen van operators bij hun regeltaak nader omschreven. Bovendien geeft dit hoofdstuk de aanleiding voor het gebruik van vage logica voor in een DSS, door de voordelen van vage logica te schetsen. Ook worden kort de nadelen van vage logica aangegeven. 2.1

Takenpakket van de operator

Het kiezen van een goed pakket van maatregelen, waardoor het verkeer binnen de gegeven situatie optimaal blijft functioneren, is voor veel operators een moeilijke taak. Om deze taak goed te volbrengen, dient de operator over de volgende vaardigheden te beschikken: • Inschatten van de ernst van mogelijke probleemsituaties in het netwerk. • Voorspellen van de meest waarschijnlijke ontwikkelingen in de verkeerssituatie, geconditioneerd op de in te zetten beheersingsmaatregelen. Bovendien dient de operator een goed inzicht te hebben in de beschikbare DVM maatregelen en moet hij op grond van de diagnose van de toestand van het verkeersysteem de mogelijkheden analyseren, waarna hij uit de beschikbare alternatieven het meest geschikte pakket beheersingsmaatregelen kiest. De taak van de operator en de door hem gehanteerde werkwijze is tot nu toe echter onvoldoende gestructureerd en niet uniform. Betere structurering en uniformering van de handswijze bieden dan ook mogelijkheden voor verbetering van de verkeerscondities tijdens niet reguliere omstandigheden. 2.2

Structureren takenpakket en ondersteuning operator

Er zijn projecten uitgevoerd waarin deze taak van de operator is gestructureerd en waarin een handleiding is opgesteld voor een optimaal effectief gedrag. Bovendien wordt er nog gewerkt aan een operationalisering van het begrip 'optimale netwerkregeling' en aan een 'blauwdruk regeltactieken'. Laatste zal richtlijnen bevatten voor het opstellen van alternatieve regeltactieken en de uiteindelijke keuze hiervan. Diverse projecten worden uitgevoerd om de operator ondersteuning te leveren door richtlijnen en voorschriften, hoe zijn / haar taak uitgevoerd moet worden. In het BOSS project wordt gewerkt aan een systeem dat op grond van metingen van de huidige toestand, historische gegevens en simulatieprogramma's (METANET) een voorspelling maakt van de toekomstige ontwikkelingen. Daarbij kunnen effecten van maatregelen worden gesimuleerd. Deze informatie kan gebruikt worden om aan de operator essentiële informatie aan te bieden voor het kiezen van een optimale regelstrategie. 2.3

Taken van beslissingsondersteunend systeem

Om een operator te ondersteunen, kan een beslissingsondersteunend systeem (decision support system; DSS) worden ingericht. In beginsel zijn de taken van een DSS onder andere (zie Hoogendoorn e.a. (1998)):


11/58

1. 2. 3. 4. 5. 6.

Het regelen van de invoer en opslag van verschillende informatie types. De representatie van complexe relaties tussen deze datatypes. Het verschaffen van faciliteiten voor het combineren van procedurele kennis en wiskundige modellen. Het bieden van een gebruikersvriendelijke interface, welke beschikt over verschillende manieren om gegevens te presenteren. Het verschaffen van varië rende uitvoer noodzakelijk voor de ondersteuning van het beslisproces. Het verschaffen van eenvoudige methoden om informatie en kennis (modellen / procedurele kennis) op te slaan, te gebruiken en aan te passen.

*—*

Model Based Management < — * System

Database Management System

models

Expert System Shell

Figuur 1 - Architectuur van een beslissingsondersteunend systeem. Figuur 1 toont een mogelijke architectuur van een beslissingsondersteunend systeem. 2.4

Operationele lagen DSS

In operationele zin, bestaat de taak van een DSS ondermeer uit een drietal operationele lagen, namelijk (zie Figuur 2): 1.

2.

3.


Analyse verkeersdata en diagnose verkeerssituatie. Het schatten van de huidige toestand in het netwerk en de representatie van deze toestand (aangeven van probleemsituaties en -gebieden in het netwerk) op basis van verkeersgegevens afkomstig uit verschillende databronnen. Belangrijke aspecten zijn: • Verwerking en combinatie van verkeersgegevens (data fusion). • Analyse van verkeersgegevens. • Classificatie van verkeersgegevens en identificatie van probleemsituaties, zoals incidenten (bijvoorbeeld door vergelijking met reguliere verkeerspatronen). • Communicatie naar van verkeerssituatie en acceptatie van de eindgebruiker. Genereren alternatieve regeltactieken. Het genereren van alternatieve regeltactieken voor de verkeersbeheersing in een netwerk, gegeven de huidige (geschatte) situatie. Bij de generatie van alternatieve regeltactieken spelen onder andere de volgende aspecten een belangrijke rol: • Opstellen en selectie van regeltactieken. • Communicatie naar en acceptatie van de alternatieven. Bijvoorbeeld door de operator laten zien hoe is geredeneerd (voorwaarts of achterwaarts). Voorspellen verkeerssituatie, geconditioneerd op toe te passen regeltactiek. Het voorspellen van de verwachte situatie in het netwerk, geconditio-

12/58

neerd op de in te zetten beheersingsmaatregelen, uitgaande van de huidige situatie. In dit verband spelen een rol: • Kwalitatieve voorspelling van de verkeerssituatie (expertkennis). • Communicatie naar en acceptatie van de voorspelde verkeerssituatie (verklaringen van voorspelling).

REAL TRAFFIC SYSTEM

actual crisp control strategies

Qtraffic data support systemj) network X traffic state//

scenario builder

traffic prediction model

network traffic state

intelligent traffic data analysis

crisp proposed control stralegiês

fuzzy proposed control strategies

Figuur 2 - Functionele architectuur voor een beslissingsondersteunend systeem. 2.5

Perspectieven vage logica

In het AVV-TRAIL project 'Perspectives of fuzzy logic in Traffic and Transportation' (zie Hoogendoorn e.a. (1998)) zijn de perspectieven van de toepassing van vage logica in verkeer en vervoer geschetst. De motivatie voor deze perspectievenstudie waren de goede ervaringen met het vaag regelen middels toeritdosering (pilot in Zoetermeer). De doelstellingen van het project 'Perspectives of fuzzy logic in Traffic and Transportation' waren: 1. Geven van een algemene beschrijving van de theoretische en methodologische beginselen van vage logica. 2. Bestuderen van analoge toepassingen in aanverwante vakgebieden (bijvoorbeeld steady state analysis van power networks, regelen door een ervaren procesoperator, voorspelling in een 'cold mill rolling' proces). 3. Geven van een overzicht van toepassingen van vage logica in verkeer en vervoer. 4. Doen van kansrijke onderzoeksrichtingen en praktische toepassingen van vage logica in verkeer en vervoer. Eén van de als kansrijk bestempelde toepassingen was een 'Fuzzy Decision Support Systeem'. De rede hiervoor is dat vage logica belangrijke gereedschappen kan leveren in nagenoeg alle taken (1-3) die bij in een beslissingsondersteunend systeem kunnen worden onderscheiden. In dit verband omvatten de mogelijkheden van vage logica ondermeer: 1. Datafusion en het gebruik en combineren van kwalitatieve en / of vage informatie (bijvoorbeeld video of incident meldingen door automobilisten). 2. Robuuste classificatie in vage termen. Veel concepten, zoals congestie, in verkeer en vervoer zijn immers 'inherent vaag'. Beschrijving van de huidige


13/58

3. 4.

toestand van het systeem in linguïstische termen, resulterend in een betere communicatie tussen systeem en gebruiker (HMI). Toepassen van procedurele expertkennis voor het genereren van regeltactieken op basis van beschikbare kennis operators en andere experts. Gebruik van vage voorspellingsmodellen gebaseerd op kennisregels, toepasbaar doorrekenen van alternatieve regeltactieken, eventueel geconditioneerd op de in te zetten beheersingsmaatregelen.

Concluderend is, om de ondersteuning van de operator te laten aansluiten bij de manier waarop de menselijke geest op effectieve wijze te werk gaat, gekozen voor een adviessysteem dat werkt op basis van vage logica Daarbij gaat het om een op regels gebaseerd expertsysteem waarin vaagheid van kennis en informatie gerepresenteerd wordt en waarbij met die vaagheid geredeneerd kan worden (approximate reasoning). Verwacht wordt dat zo'n expertsysteem een rijkere mogelijkheid kan bieden om een operator te adviseren. Nadelen van systemen gebaseerd op vage logica zijn voornamelijk het grote aantal parameters (curse of dimensionality) en de hiermee samenhangende kalibratieproblematiek. Ook het ontbreken van theorieën betreffende de stabiliteit van vage systemen is een nadeel.


14/58

3 Plan van aanpak literatuurstudie

De eerste fase (d.i. activiteit 1 en 2; zie offerte 'Verkenning Fuzzy Decision Support System') van het project 'Verkenning Fuzzy Decision Support System' bestaat uit een literatuuronderzoek. Doel van het literatuuronderzoek is te komen tot een overzicht van reeds bestaande operatorondersteunende systemen in diverse vormen en in verschillende, reeds geoperationaliseerde toepassingen. Met andere worden, inzicht wordt gezocht in de state-of-the-art van operatorondersteunende systemen (bijvoorbeeld in elektriciteitscentrales of bij militaire toepassingen) in verschillende disciplines en vakgebieden. 3.1

Databases

Een literatuursearch is uitgevoerd naar onder meer de combinaties 'decision support systemen', 'fuzzy logic' en 'operator'. Afhankelijk van het aantal treffers zijn de combinaties verder gespecificeerd of juist verder generaliseerd. Er is gezocht in literatuur databases op het gebied van: • verkeerskunde (TRANSPORT, Compendex) • psychologie (e.g. Web of Science) • kunstmatige intelligentie (e.g. Compendex, INSPEC) • regeltechniek (e.g. Compendex, INSPEC) 3.2

Gebruikte zoektermen en screening

De bovengenoemde databases zijn afgezocht naar publicaties met betrekking tot beslissingsondersteunende systemen in V&V en aanverwante vakgebieden. Hiertoe zijn de volgende zoektermen gebruikt: • "fuzzy" en "decision support" (3 hits) • "traffic management" en "decision support" (30 hits) • "fuzzy" en "traffic management" (9 hits) • "fuzzy" en "expert system" en "traffic" (25 hits) • "fuzzy" en "decision support" en "traffic" (23 hits) • "fuzzy decision support" (76 hits) De gevonden publicaties zijn vervolgens gescreend, zodat in totaal slechts een dertien publicaties voor nadere analyse geschikt werden bevonden en aan een vergaande analyse onderworpen. Bovendien zijn een aantal aan de projectieden bekende en relevante bijdragen opgenomen. Deze bijdragen zijn echter niet, zoals de bovengenoemde artikelen, aan een uitgebreide analyse onderworpen en staan dan ook niet expliciet in de appendix vermeld. 3.3

Analyse bijdragen

ledere geselecteerde bijdrage welke bruikbaar is bevonden voor verdere beschouwing is aan uitvoerig geanalyseerd. Deze analyse is naar aanleiding van de in Hoogendoorn e.a. (1998) beschreven methodiek opgezet en aangepast voor het dit specifieke onderzoek. Bij deze analyse is onderscheid gemaakt tussen een objectieve samenvatting, en een (subjectieve) kritische analyse van de bijdrage.


15/58

In onderstaande secties worden de onderzoeksvragen voor de literatuuranalyse gepresenteerd. Nota bene: de analyseresultaten zijn opgenomen in de appendix. De hoofdtekst is een integratie van de belangrijkste analyseresultaten die in de appendix zijn beschreven en andere, aan leden van het projectteam bekende en relevante onderzoeksresultaten. De vragenlijst komt hierin niet meer als zodanig terug. 3.3.1

Objectieve samenvatting

Onderstaande is de vragenlijst met betrekking tot de objectieve samenvatting. 1. Wat is het probleemgebied waarop de bijdrage betrekking heeft? Is er sprake van een toepassing binnen de verkeerskundige discipline? 2. Wat zijn de verschillende informatiebronnen gebruikt in de bijdragen. Zijn belangrijke informatiebronnen over het hoofd gezien? 3. Wordt er een vergelijk getrokken met (de prestatie van) andere methoden? Indien dit het geval is, leidt de voorgestelde methodiek tot significante verbeteringen? 4. Wordt de voorgestelde aanpak toegepast in een 'real-life' omgeving, of alleen in een simulatieomgeving? Kunnen we in het laatste geval rekenen op een vergelijkbare prestatie in de werkelijkheid? Vervolgens worden publicaties op structurele wijze geanalyseerd ten aanzien van de werking van de beschreven aanpak. Dit kan bijvoorbeeld worden gedaan door naar de volgende aspecten te kijken: 1. Fuzzificatie. Wat zijn voor deze toepassing de basisvariabelen en hoe worden deze geanalyseerd. Hoe worden de lidmaatschapsfuncties bepaald? Zijn deze lidmaatschapsfuncties plausibel? 2. Inferentie. Welke fuzzy inference schema wordt toepgepast? Wat zijn de verschillende expert-regels en hoe worden beslissingen op basis van deze regels genomen? Welke operatoren worden gebruikt en hoe? 3. Defuzzificatie. Wat en hoe wordt gedefuzzificeerd? 4. Hoe worden de verschillende parameters van het operatorondersteunend systeem bepaald? Op welke wijze wordt expertkennis gebruikt? Welke tuning-methodieken worden gebruikt? 3.3.2

Kritische analyse

In deze fase wordt de bijdrage kritisch geanalyseerd. Als leidraad zijn de volgende vragen opgesteld: 1. Waarom is voor deze aanpak gekozen? Was een andere mogelijkheid mogelijk en meer geschikt? Is de aanpak gerechtvaardigd of laat de bijdrage alleen maar zien dat de aanpak ook kan worden toegepast op een verkeerskundig regelprobleem? 2. Is de toename (of afname) in de prestatie van het systeem realistisch en wordt de prestatie op adequate wijze bepaald? 3. Wat zijn naar onze mening de toepassingsmogelijkheden van de beschreven aanpak? Zijn er mogelijkheden om de aanpak toe te passen op andere verkeerskundige problemen? Kunnen eventuele tekortkomingen in de aanpak worden verholpen? Worden de beschikbare (literatuur-) bronnen voldoende gebruikt. Zijn de beschikbare tools uitputtend gebruikt?


16/58

4 Samenvatting gevonden bijdragen

In dit hoofdstuk wordt een samenvatting gegeven van de resultaten van de literatuurscan. Het doel van deze samenvatting is niet het geven van een uitvoerige beschrijving van alle bijdragen. Hiervoor wordt verwezen naar de appendix van dit rapport. Dit hoofdstuk geeft een overzicht van de verschillende voorgestelde systemen en methodieken voor de ontwikkeling van vage beslissingsondersteunende systemen. Ook andere, relevante aspecten, zoals het acceptatiegedrag van de operator met betrekking tot de gegeven adviezen, wordt besproken. Om tot een gestructureerde samenvatting van de geselecteerde bijdrage te komen, gaan we uit van de onder sectie 2.4 genoemde operationele onderdelen van het FDSS. Hiertoe wordt onderscheid gemaakt tussen systemen die specifiek zijn ontworpen voor analysering van verkeersdata (sectie 4.3), de generatie van alternatieve regeltactieken (sectie 4.4) en het voorspellen van de verkeerssituatie (sectie 4.5). Een aantal bijdragen beschrijven complete systemen. Ter wille van de consistentie, zijn de verschillende onderdelen in dit geval niet verdeeld in de onder sectie 2.4 genoemde operationele onderdelen, maar als compleet systeem bediscussieert (sectie 4.2). In alle onderdelen spelen communicatie en acceptatie een prominente rol. In sectie 4.6 wordt dit aspect dan ook afzonderlijk onder de loop genomen. 4.1

Visies ten aanzien van taken, eisen en randvoorwaarden DSS

Voordat de verschillende systemen nader worden beschreven, wordt eerst een overzicht gegeven van de heersende visies betreffende de taken van een beslissingsondersteunend systeem en de eisen die aan zo'n systeem worden gesteld. Ritchie (1990) stelt aan real-time DSS systemen de volgende eisen: 1. Need for truth maintenance. Het waarheidsgehalte van een nietmonotoon redeneermechanisme dient te worden behouden, omdat de validiteit van de gegevens na een bepaalde tijd kan vervallen. 2. High performance. Het beslissingsondersteunde systeem moet in staat zijn om in enkele minuten een voorstel genereren als reactie op een incident (tijd inclusief verificatie van het incident door de operator). 3. Need for temporal reasoning. Om adequaat te functioneren dient het beslissingsondersteunde systeem te beschikken over tijdafhankelijke heuristieken en dynamische modellen. 4. Asynchronous events. Het beslissingsondersteunde systeem moet onverwachte gebeurtenissen kunnen afhandelen. 5. External en sensor interface. Informatie van sensoren, van andere software-pakketten moeten toegankelijk gemaakt kunnen worden. 6. Het beslissingsondersteunde systeem moet kunnen omgaan met onzekere en ontbrekende gegevens. 7. Continu-bedrijf. Bij de uitval van deelsystemen moet degradatie plaatsvinden die als 'graceful' in plaats van als 'catastrophic' te typeren is. 8. Focus of attention. De systeembronnen moeten worden aangewend tot het oplossen van de belangrijkste problemen.


17/58

Gupta e.a. (1992) stellen dat een DSS noodzakelijk is voor het regelen van complexe netwerken, vooral in geval van incidenten. Daarom zijn menselijke experts die dit kunnen moeilijk te vinden en duur. Een DSS kan hierbij de operator ondersteunen, mits de DSS in staat is om: 1. Grote hoeveelheden data snel te kunnen filteren, niet-reguliere situaties te onderkennen en te melden aan de manager (diagnosefunctie). 2. Een consistente reactie te geven, met andere woorden in vergelijkbare situaties dient het systeem op vergelijkbare wijze te reageren (consistentie). 3. Op eenvoudige wijze, bijvoorbeeld met behulp van databases en menus, de operator door de verschillende procedures heen te leiden (transparantie gebruikersinterface). 4. Operators op te leiden (trainingsfunctie). Ad 2. Hierbij dient opgemerkt dat een andere vorm van consistentie denkbaar is, namelijk het kiezen van pakketten onderling samenwerkende maatregelen. Dit zou ook als synergie kunnen worden geclassificeerd. 4.2

Complete beslissingsondersteunende systemen

In deze sectie worden een aantal complete beslissingsondersteunende systemen beschreven. Deze systemen bestaan uit een modules voor monitoring en diagnose, generatie alternatieve regeltactieken en het doen van geconditioneerde voorspellingen. Veel van deze systemen zijn reeds operationeel (meestal in een simulatieomgeving). 4.2.1

Beslissingsondersteunend systeem FRED

Ritchie (1990) beschrijft een DSS voor congestiemanagement in grote netwerken, middels een agent-based systematiek. In het artikel wordt niet uitvoerig ingegaan op precieze specificatie van het systeem en is dus niet duidelijk (doch wel onwaarschijnlijk) dat het hier een fuzzy systeem betreft. De architectuur van dit systeem is opgebouwd uit verschillende 'nodes' zoals city police, State police, stedelijk TCC, tussenstedelijk TCC, enz. Deze nodes communiceren via een zogenaamd blackboard van het Smart Central systeem, dat een kennisgestuurd expertsysteem bevat. In algemene zin is het principe van het blackboard een techniek uit de kunstmatige intelligentie, bedoeld om verschillende processen te laten communiceren en te synchroniseren. Gegevens uit een proces worden op een blackboard geplaatst. Het blackboard kan worden gezien als een soort 'stack' met daarbij aanwijzingen over onder andere urgentie, herkomst, processen die voor verwerking moeten zorgen, enzovoorts. Alle processen zoeken, als zij er aan te zijn, op het blackboard of er boodschappen zijn die ze kunnen verwerken. Indien dit het geval is, worden deze weggehaald en zetten zonodig het resultaat op het blackboard voor verdere verwerking. Voor elk gegeven op het blackboard is vastgesteld wie het mag veranderen en wat de oorsprong is. Een incident wordt via een node gedetecteerd waarna de melding doorgestuurd wordt naar de centrale voor verificatie door de operator. Na verificatie zoekt het systeem naar alternatieven om in te grijpen. Niet alleen de acties, maar ook de gevolgen ervan worden aan de operator gepresenteerd die een keuze maakt. De keuze wordt weer op het blackboard geplaatst waarvandaan de nodes geïnformeerd worden en acties kunnen ondernemen.


18/58

In een vervolgpaper beschrijven Ritchie en Posser (1991) een niet-fuzzy realtime expert system voor beslissingsondersteuning bij incident management. Het expertsysteem FRED (Freeway Real-Time Expert System) is als pilot toegepast op een stuk van Riverside Freeway (SR-91) in Orange County in Californie. Het systeem heeft vijf modules: 1. Incident detectie. 2. Incident verificatie. 3. Identificatie en evaluatie van alternatieve acties. 4. Implementatie van de gekozen acties 5. Monitoring van het herstel. De kennisregels worden gerepresenteerd als ALS-DAN regels. Tabel 1 toont een voorbeeldregel waar, op basis van de kenmerken van een incident wordt besloten om het Major Incident Management Team te laten uitrukken. Tabel 1 - Voorbeeldregel uit Ritchie en Posser (1991). IF incident_status = confirmed AND incident_duration > 2.0 AND incidentjanes > 2.0 AND incident_type = orange_alert THEN dispatch_majorjncident_managent_team De consequenties van regels kunnen allerlei acties beschrijven, zoals het openen van grafische displays en het versturen van berichten naar operators of externe systemen. Feiten (data) worden in objecten opgeslagen, waarbij elk object een verzameling attributen heeft. Bijvoorbeeld, een incident-object heeft attributen voortijd, locatie, type, verwachtte duur. De kennisregels werken met en op de attributen van de objecten. De regels worden met forward-chalning aan elkaar gelinked. Via de gebruikersinterface krijgt de operator bericht over vermoedelijke incidenten. De interface stelt hem bovendien in staat een incident te bevestigen of te verwerpen. Vanuit de 'verificatie-window' kan de operator zien welke camera het dichtst bij het vermoedelijke incident is, kan hij lusdata opvragen en een eventuele report logfile opvragen. In een apart venster is een schematische weergave van de wegsectie zichtbaar inclusief Changeable Message Signs (CMS), camera's, meetlussen en een indicatie van de (vermoedelijke) locatie van het incident. Als een incident door de operator is bevestigd, zal het systeem een voorstel doen voor de actie. Dit kan het uitzenden van een 'major incident traffic management team' (MITMT) zijn, real-time toeritdosering en CMS instellingen. Als een MITMT uitgezonden wordt, dan wordt ook een rapport van het incident verschaft met informatie over locatie, verwachtte duur, geblokkeerde stroken, aantal gewonden, enz. Het toeritdoseringsalgoritme berekent per 30 seconden de optimale dosering. Als het incident ernstiger is dan een bepaalde drempelwaarde, dan worden de toeritten over een bepaalde lengte stroomopwaarts afgesloten. Via CMS-sen wordt het verkeer op de hoogte gebracht van afsluitingen en de alternatieve routes. Het systeem presenteert alle opties aan de operator die de gewenste acties kan aanklikken en de CMS teksten kan wijzigen. Het systeem is helaas alleen toegepast in een simulatieomgeving. In de publicaties wordt niet aangegeven welk simulatiepakket het hier betreft. De eerste resultaten zijn echter veelbelovend. Een vervolgpaper beschrijft de (wederom niet-fuzzy) uitbreiding van het beslissingsondersteunend systeem FRED (zie (Zhang en Ritchie,1994)). Dit systeem heeft de volgende kenmerken:


19/58

• • • •

Toepassing op een netwerk met drie autosnelwegen in plaats van één. Mogelijkheid meerdere incidenten tegelijkertijd af te handelen in plaats van één enkel incident. Een verbeterde user interface. Een betere 'recovery monitoring'.

Helaas is ook het verbeterde systeem alleen toegepast in een simulatieomgeving. Hierbij wordt niet vermeld, welk simulatiepakket gebruikt is. Andere systemen, beschreven door Ritchie (1994), zijn: • Caltrans District 12 TMC real-time KBES (Knowledge-Based Expert-System) prototype. Een off-line real-world vervolg van FRED. • ARTIST. Demonstratieproject voor de haalbaarheid van beslissingsondersteuning in het stadverkeer. Advies over reizigersinformatie en het regelen van signalering wordt gegeven op basis van een combinatie van gegevens zoals tijd van de dag, dag van de week, evenementen, afzettingen, verkeersdrukte in omgeving. 4.2.2

Santa Monica Smart Corridor Demonstration Project

In het Santa Monica Smart Corridor Demonstration Project worden ITStechnologieën en DVM-strategieë n getest (zie (Karimi en Gupta,1993) en (Roseman en Tvedten,1997)). Het testgebied bestaat uit drie snelwegen en vijf belangrijke secundaire wegen, die door verschillende instanties worden beheerd. Drie daarvan zijn met elkaar verbonden door een gedistribueerde database en expertsysteem. Het expertsysteem is ontworpen om de coördinatie tussen de verschillende instanties (rechtsgebieden) goed te laten verlopen. De vraag wie de leiding heeft bij een incident wordt bepaald door het expert systeem. In bovengenoemde publicaties wordt geen uitspraak gedaan over de gebruikte technieken. Er is geen reden aan te nemen dat het hier fuzzy technieken betreft. Bij een incident worden de volgende stappen genomen: 1. Incident detectie. Rapportage door de detectie algoritmes van de verschillende wegbeheerders. 2. Incident correlatie. De rapporten uit verschillende bronnen worden in een enkel rapport samengevat. 3. Incident notificatie. Als het rapport voldoende aanwijzingen bevat dat er inderdaad een incident heeft plaatsgevonden, vraagt het systeem om bevestiging van een operator, die word gekozen op grond van de vermoedelijk locatie. 4. Incident bevestiging en toekenning van een 'incident manager'. De bevestiging kan van elke geautoriseerde operator komen. De operator die het incident bevestigt, is is veel gevallen het dichtst bij het incident, en wordt de 'incident manager'. Het systeem biedt de mogelijkheid om de incident managerschap over te dragen aan een andere operator. 5. Actie plan generatie. Het systeem schat de verwachtte duur van het incident, analyseert de verkeersvraag voor de geschatte tijdsduur, ontwikkelt acties om de gevolgen te beperken en presenteert die aan de incident manager. 6. Plan actievering. De incident manager kan toestemming geven voor het plan, veranderingen aanbrengen of het plan weigeren. Toestemming activeert het plan. 7. Toestemming van andere betrokken instanties. Die delen van het plan die onder de verantwoordelijkheid vallen van andere beheerders, worden gepresenteerd aan de betreffende operators. Zij kunnen dan ook toestem-


20/58

8.

9.

ming geven, veranderen, of een veto uitbrengen. Het systeem zorgt voor de uitvoering. Dynamisch incident management. Het systeem monitort de het verkeer in de omgeving van het incident en handelt nieuwe inkomende incident rapporten af, om het actieplan zonodig aan te passen. Beëindiging maatregelen. Het systeem adviseert over het beë indigen van de maatregelen, om geleidelijk weer tot de normale situatie terug te keren.

Karimi en Gupta (1993) beschrijven hoe het subsysteem 'incident management' een response-plan genereert, dat de te behalen doelen op een relatief hoog abstractieniveau beschrijft. Deze doelen impliceren op hun beurt weer een of meer acties om het betreffende doel te bereiken. Een voorbeeld van een kennisregel is gegeven in Tabel 2. Tabel 2 - Voorbeeldregel incident management uit Karmimi en Gupta (1993). IF incident occurs on surface streat AND incident duration is between 15 and 60 minutes AND incident-link's vc is between 0.8 and 1.0 THEN create and 'advisory goal' 4.2.3

Massachussets Tumpike

Gupta e.a. (1992) beschrijven de mogelijkheden om (niet fuzzy) expertsystemen toe te passen in verkeerscentrales. Bovendien stellen de auteurs voor om een dergelijk systeem te ontwikkelen voor incident management op Massachusets Tumpike. Het incident management proces kan in twee stukken worden verdeeld: het alarmeren van de spoedeisende diensten en het omleiden van het verkeer via de optimale routes. Het systeem bestaat dan ook uit twee delen, het expertsysteem en een FORTRAN module die dynamisch de optimale omleiding bepaalt. 4.2.4

TRYS

Het TRYS systeem is ontworpen voor stedelijke netwerken met geregelde kruisingen. In (Cuena en Molina,1995) wordt dit gecoördineerd systeem beschreven. Het systeem werkt met agenten die centraal worden gecoördineerd vanuit een regelcentrale. Het systeem is ontworpen voor stedelijke netwerken en in de praktijk toegepast (onder andere in Barcelona). Uit de publicatie wordt echter niet duidelijk of het hier om een vaag systeem gaat. Gezien het feit dat niets over een eventuele vage aanpak wordt vermeld, is dit echter niet waarschijnlijk. De agenten regelen de verkeersafwikkeling in mogelijk overlappende deelgebieden (zogenaamde probleemgebieden; zie Figuur 3). Een agent verzorgt zowel de diagnose van verkeersproblemen in het probleemgebied, als de regelingen gebaseerd op deze diagnose. De kennis van een agent is als volgt gestructureerd: a) Fysieke structuur (interpretatie meetgegevens en de fysieke structuur van het probleemgebied). b) Verkeersproblemen (kennis betreffende de detectie en diagnose van incidenten of congestie in het probleemgebied, vervat in vage kennisregels). c) Regelscenario's (kennis met betrekking tot de definitie van regelscenario's welke de verschillende problemen kunnen oplossen).


21/58

De doelstelling van de fysieke structuur is het beschrijven van zowel de statische informatie betreffende de netwerktopologie van het probleemgebied, als de dynamische aspecten van de structuur (methoden voor data abstractie en het afleiden van structurele informatie). De verkeersproblemenstructuur beoogt zowel de detectie als de verklaring van problemen die zich voordoen in het probleemgebied (congestie, incidenten), met als doel aan te geven waar de huidige of verwachte problemen zich voordoen. Een probleem wordt gekarakteriseerd door de locatie, de ernst en de oorzaak. Om de noodzakelijke kennis te vervatten, wordt een zogenaamde frame-aanpak voorgesteld. Een frame is een collectie van toestandsvariabelen (zogenaamde slots) die de situatie in een gebied voor een bepaald interval karakteriseren. Deze slots beschrijven onder andere de toestand van de regelaar, de ingangen en uitgangen (flow-scenario's), de significante secties (interne verkeerstoestand, flow en bezettingsgraden), toestand detectoren, detectiegebieden (detectie verslechtering level-of-service) en kritische secties (toestanden van in potentie problematische gebieden).

Figuur 3 - Coördinator en intelligente agents •

Frames voor diagnosticeren

In beginsel beschouwt iedere agent een probleem als zijnde het niet in balans zijn van de verkeersvraag en de capaciteit. Een probleem wordt geclassificeerd, door de volgende kernvragen te beantwoorden: 1. Waar is het probleem (beginpunt van congestie, bottleneck, incident)? 2. Hoe ernstig is het probleem, m.a.w. hoe groot is het verschil tussen verkeersvraag en capaciteit? 3. Wat is de oorzaak van het probleem? M.a.w., waar komt het verkeersvraagsurplus vandaan. Classificatie van het probleem wordt in TRYS bewerkstelligd door de framerepresentatie en matching. Ter illustratie is een voorbeeld van een frame opgenomen (Tabel 3). In TRYS wordt een probleem beschreven met linguïstische sets.


22/58

•

Frames voor regelen

Met betrekking tot de regelscenario's, is het doel van de agenten de identificatie van verzamelingen mededelingen voor bepaalde VMS's (Variable Message Signs), opdat de weggebruiker langs de congestie kan worden geleid. Hiertoe wordt wederom een frame ingericht, met daarin: • •

Specificatie van de regeling. De verkeerscondities die noodzakelijk zijn opdat de regeling kan worden toegepast.

• Schatting van de verwachte impact. Ter illustratie is ook een voorbeeld van een regelframe toegevoegd (Tabel 4). Tabel 3 - Voorbeeld van een frame in TRYS FRAME traffic jam caused by entry-ramp VARIABLES DEFINITION

v

() previous section =

entry ramp link <previous>

next section =

type =

1

L

^tÜlA.Hb»Ji Previous m

Ramp ^ j Ö K t

DESCRIPTION (<previous>) speed = occupancy = saturation = () occupancy = saturation =

1 m

low high low

O t||

medium, high low

() speed = occupancy =

medium low, medium

saturation =

high

(critical section) location = state = category = excess =

overflow problem EXPECTED(demand() - capacity()

Tabel 4 - Voorbeeld van een regelframe in TRYS Class of control proposal CONTROL ACTION PLAN warning about incident at A17 Control actions ( B 2 0 / 3 - P I V - 1 ) message = INCIDENT AT A17 ( B 2 0 / 6 - P I V - 1 ) message = INCIDENT AT A17 (A17/8 - PIV - 1) message = INCIDENT AHEAD State conditions (A17 Girona PK5300) state = free AND (A17 Griona in Montcada) state = incident AND (A17 Girona at Montmelo exit) state = free Expected effect (impacts on path selection) (Meridiana -> A18) [80,90] byA17road [10,20] by secondary road (Trinidad -> A18) [60,80] byA17road [20,40] by secondary road


23/58

section

Next section

Deze frames worden of twee manieren gebruikt, namelijk: • voor het voorspellen van de impacts van de regelingen; • voor het regelen, om de regelingen te identificeren die het gewenste effect sorteren. Frames kunnen worden opgevat als voorlopers van objecten, waarbij de attributen van het object ook uit operatoren kunnen bestaand (objectgeoriënteerde aanpak). De techniek van frames is vermoedelijk gekozen op basis van de structuur van de gebruikte ontwikkelingssoftware. Vaak bepalen de shells de structuur waarin de kennis moet worden opgeslagen. Samenvattend, in TRYS hebben de agenten de taak verkeersproblemen te detecteren en te diagnosticeren. Zij karakteriseren het probleem (waar is het probleem, hoe groot is het probleem, wat is de oorzaak van het probleem) door gebruik te maken van kennisframes. Vervolgens doen de agenten een voorstel hoe het probleem op te lossen. Dit voorstel wordt vervolgens naar de centrale coördinator (de verkeerscentrale) gecommuniceerd. Bovendien bevatten de agenten in TRYS kennis met betrekking tot voorspellingen van de verkeerssituatie. Deze kennis is vervat in kennisregels. De coördinator bepaalt, met tussenkomst van de operators, globale adviezen voor coherente beheersing van de lokale agenten. De kennis van de coördinator is gestructureerd als een stelsel van ALS-DAN regels, welke worden onderverdeeld in: 1. Kennisstructuren voor het bepalen van de comptabiliteit van de lokale regelacties (agenten die dezelfde installatie met verschillende regelscenario's proberen aan te sturen). 2. Kennisstructuren voor prioriteren van agenten indien lokale regelacties conflicteren. In deze fase wordt besloten welke agent zijn adviezen zal moeten intrekken opdat incomptabiliteiten worden opgeheven. •

Voorbeeld van coördinatorredenering

Ter illustratie, een voorbeeld uit Cuena et al. (1995). Veronderstel dat zich in een netwerk drie problemen voordoen, namelijk (zie Tabel 5): 1. Een incident bij de A2 wordt gedetecteerd door de M30 northbound agent. 2. Een pre-congestieve situatie bij de T2 wordt gedetecteerd door de NIK inbound agent. 3. Een regulier probleem (congestie) op de T1 wordt gedetecteerd door de Nll inbound agent.


24/58

Tabel 5 - Conflicterende toestanden en regelscenario's van agenten Agent M30 Northbound State: medium congested Proposal 1: Panel 3: Panel 4: Panel 8: Proposal 2: Panel 3: Panel 4: Panel 4:

congestion congestion congestion congestion congestion congestion

at A2 at A2 in M30 at A2 at A2 at A2 at A2

Agent NIH inbound State: slightlt constrained flow operations Proposal 1: Panel 8: slow traffic at T2 Panel 9: slow traffic at T2 Proposal 2: Panel 9: slow traffic at T2

Problem area Nll inbound

T1

Inl

Problem area M30 Southbound

Problem area Nll outbound

A2

Problem area M30 Northbound T2 "'<>bk'•/» are, '« Nli,

^

">b0.'"na

Pr

°ble,lfl>a,

re

*Nh '"o,

'"'bo."na

In dit geval treden twee incompabiliteiten op, namelijk: • incompabiliteit tussen paneel 4 en paneel 8 zorgen voor tegenstrijdige effecten met betrekking tot routekeuze; • fysieke incompabiliteit, daar op paneel 8 verschillende berichten zouden moeten verschijnen. Om deze incompabiliteit te verhelpen, worden de agenten geprioriteerd. De prioriteiten worden bepaald door regelscenario's. In het voorbeeld van Tabel 5 is bijvoorbeeld bekend dat de congestie op de M30 kritischer is dan die op de toegangswegen Nll en NNI. Dientengevolge verschaft de coördinator prioriteit aan de agent die het meest kritische probleem reguleert. Deze kennis wordt vervat in beslisregels, zoals bijvoorbeeld: ALS (agent-1) name = M30 EN (agent-1) toestand = X EN (agent-2) name = NIM EN (agent-2) toestand = X DAN agent-1 prioriteit

of: ALS (agent-1) toestand = lichte of gemiddelde congestie EN (agent-2) toestand = ernstige congestie DAN agent-2 prioriteit Indien de coördinator alle conflicten heeft verholpen, worden de voorstellen vervolgens aan de operator aangeboden. De operator neemt uiteindelijk de beslissing of een voorstel van TRYS wordt geëffectueerd. De regels worden in beginsel vastgesteld door experts. De operators kunnen de verschillende regels inspecteren, hetgeen mogelijk is daar de regels worden gegeven in menselijke taal. Verbeteringen in deze regels kunnen worden aangebracht door persoonlijke analyse van de regels door operators enerzijds en anderzijds door inspectie van de verklaringen welke door TRYS worden gegenereerd bij genomen beslissingen.


25/58

In het kader van het onderliggende project lijkt de TRYS aanpak zeer kansrijk. Het systeem voorziet in een modulaire aanpak, waarbij uitgaande van een eenvoudig prototype (een agent), gaandeweg het systeem kan worden uitgebreid met meerdere agenten en een coördinator. 4.2.5

FLUIDS

Ook FLUIDS is in beginsel ontworpen voor stedelijke netwerken met geregelde kruisingen. De methode is ontworpen vanuit de gedachte dat om een goede acceptatie van het systeem bij de operators te bewerkstelligen, een grotere mate van interactie vereist is dan bij TRYS. FLUIDS is dan ook een echt beslissingondersteunend systeem, ontworpen vanuit de informatie- en communicatiebehoefte van operators ("Wat is er aan de hand?", "Wat kan ik verwachten?", "Wat moet ik ondernemen?"). Let wel, het FLUIDS systeem, wat niet zozeer een verkeersregelsysteem is, als wel een geavanceerde methode om informatie en kennis op te slaan, is niet gebaseerd op vage logica. Het systeem werkt middels vragen die door de operator aan FLUIDS worden gesteld (zie Figuur 4). Deze vragen (in menselijke taal) worden vertaald naar code welke het systeem kan begrijpen. Vervolgens probeert het systeem de vraag zo goed mogelijk te beantwoorden.

Help

Ptejeotjnofi d&c «lAlTBnolnaiteMtacKlon «MtndlMut UfliAhjppnulntj dbc Kf•A17I
System Barcalona

i 1-.M 12 tf-m 11

\

•

A •

r

* • *

X /

^^f^

yo°-y »»-•

1

/ i

'\ \

A-Z

t-10

~ JmKÊÊHk

yw

Figuur 4 - Een voorbeeldvraag van de operator aan FLUIDS. Het systeem omvat alle functionaliteit van een beslissingsondersteunend systeem: • Detectie (in termen als 'fluid traffic', 'traffic jam between and ', 'traffic incident in ') en diagnose (het systeem informeert de gebruiker over mogelijke oorzaken van de situatie welke in de detectiefase is waargenomen). • Het doen van aanbevelingen. Indien een bepaalde situatie is waargenomen, zal FLUIDS suggesties doen met betrekking tot de te volgen regeltactiek. De hiertoe gevolgde methodiek is vergelijkbaar met TRYS. • Het doen van voorspelling. Voor iedere regeltactiek is op basis van expertkennis een verwacht effect bepaald. Gegevens de te volgen regeltactiek kan dus een uitspraak omtrent de verwachte verkeerssituatie worden gedaan (rule-based heuristic prediction; vergelijk TRYS). De kennis is FLUIDS


26/58

•

is echter zo flexibel gestructureerd, dat in beginsel ook model geconditioneerde modelvoorspellingen kunnen worden gebruikt Het geven van verklaringen. Het systeem geeft bovendien aan hoe het tot de resultaten in de verschillende stappen is gekomen.

4.3

Systemen voor data-analyse (monitoring, schatting en diagnose)

Enkele bijdragen zijn toegespitst op systemen voor de analyse van verkeersdata. Kirschfink e.a. (1997) beschrijft een systeem voor data-analyse (zie Figuur 5). Het beschreven systeem beoogt een uitputtend overzicht te geven van de verkeerssituatie, met de nadruk op de zwakke plekken in het netwerk. Krause en Von Altrock (1997) beschrijven hoe vage logica kan worden benut, om de kwaliteit van de verkeersdata te controleren. Als er geen data beschikbaar is, kan er een vervangende waarde worden berekend op grond van interrelaties met aangrenzende wegvakken. Daarnaast wordt de plausibiliteit gecontroleerd om de sensoren te vinden die foute of misleidende data verschaffen. Chakroborty en Kikuchi (1990) gebruiken vage technieken om de capaciteit van wegvakken en de door de weggebruikers gepercipieerde serviceniveaus te schatten. Zie ook Ndoh en Ashford (1994).

road subsegment analysis

event objects prediction information indicators (e.g. 'danger' or congestion) quality infomration

fuzz. environment situation

fuzzified traffic situation

extensive data analysis

various states with explanations on different structure levels of the traffic network

TRAFFIC ANALYSIS Figuur 5 - Conceptualisatie fuzzy data analysis systeem (Kirschfink e.a.,1997). 4.3.1

Congestiedetectie

In Krause e.a.(1996) wordt een methode voor detectie van congestie gepresenteerd. Deze methode berust op het beschouwen van de tijdreeksen van inko-


27/58

mend en uitgaand verkeersdata van een wegsectie. Omdat de data in tijdframes gedetecteerd wordt, word voor elk inkomend voertuig voorspeld in welk tijdsframe het de sectie zal verlaten. De tijd dat een gemiddeld voertuig nodig heeft om de wegsectie te passeren, wordt geschat. Als er een significant verschil is tussen de voorspelde en de gemeten waarde bij de uitgang, dan zal geconcludeerd worden dat er congestie, dan wel een incident heeft plaatsgevonden. Met fuzzy logic wordt daarnaast ook de algemene conditie van een wegsectie bepaald. Verkeersvolume, gemiddelde snelheid en geschatte dichtheid worden geaggregeerd om tot een schatting van de graad van congestie te komen. 4.3.2

Incidentdetectie

Busch e.a. (1994) beschrijven een 'multi-model' aanpak voor incident detectie. Enerzijds gebruiken zij een met een macroscopisch verkeersmodel uitgerust extended Kalman filter. Anderzijds wordt een vaag incident detectiesysteem toegepast, gebruikmakend van een beheersend systeem. Busch e.a. (1994) beweren dat het systeem beter presteert dan de conventionele detectiemethodes, gebaseerd op synthetische gegevens. De bijdrage van Ritchie (1994) beschrijft onder andere de toepassing van Al voor surveillance en communicatie. In deze bijdrage wordt binnen de beslissingsondersteuning wordt gericht gekeken naar de detectie en verificatie van, en responsformulering voor incidenten. Daarbinnen worden een vijftal projecten beschreven. Twee hiervan, hebben betrekking op incidentdetectie, namelijk: • Incident detectie op snelwegen met neurale netwerken. Er wordt vermeld dat er aanwijzingen zijn dat deze aanpak betere resultaten oplevert dan tot nu toe. • Detectie van niet frequente congestie in stedelijke omgeving met Altechnieken. Gedacht wordt aan de toepassing van neurale netwerken, kennisgebaseerde expertsystemen en beeldverwerkingssystemen. Voor surveillance en communicatie worden toepassingen bekeken die gebruikt kunnen worden als er (tijdelijk) geen gegevens beschikbaar zijn van ingebouwde meetlussen en vaste communicatielijnen. Deze toepassingen omvatten: 1. Video beeldverwerking voor extractie van verkeersparameters. 2. Vehicle-roadway communicatie. 3. Draadloze communicatie. Chang en Wang (1994) beschrijven een fuzzy incident detectie algoritme, gebaseerd op een beslisboom die de volgende grootheden gebruikt voor de vertakkingen: spatial difference in occupancies, relative temporal difference in downstream occupancy, relative spatial difference in occupancies, en downstream occupancy. De output van het algoritme is een toestand, genummerd van 0 t/m 8. Ter illustratie toont Figuur 6 een beslisboom uit Chang en Wang (1994). Drie alternatieve vage benaderingen gebruiken dezelfde grootheden, maar op verschillende manieren: 1. De eerste benadering gebruikt de eerder genoemde beslisboom, en de vage waarden propageren via de max-min operator. De input variabelen worden in elk knooppunt van de boom met vage drempelwaarden vergeleken. De output is de toestand met de hoogste lidmaatschapwaarde. 2. De tweede benadering gebruikt linguïstische termen gedefinieerd op het domein van de inputvariabelen. Voor elk pad in de originele beslisboom is


28/58

3.

er een equivalente regel geformuleerd. De weighted average methode wordt gebruikt als defuzzificatie. De derde benadering is hetzelfde als benadering 2, behalve dat er gesimplificeerde regels worden gebruikt: sommige regels van benadering 2 worden samengevoegd.

In (Lin en Chang,1996) wordt een dynamische verkeerstoestand monitor voor incident management gepresenteerd. Het systeem bestaat uit drie modules: • Module 1 identificeert onregelmatigheden in het verkeer. • Module 2 detecteert en classificeert het incident. • Module 3 maakt een voorspelling van de impact van het incident (zie sectie 4.5). Module 1 identificeert op statistische basis de onregelmatigheden, met gebruik van gemiddelden en standaardafwijkingen van dichtheid, snelheid en volume. Deze module werkt continu. Als er een ongeregeldheid wordt waargenomen, wordt module 2 getriggerd voor verdere incident detectie en classificatie. Module 2 heeft een hiërarchische architectuur, eerst wordt getest of de ongeregeldheid te wijten is aan een incident (level 1). Zo ja, dan wordt bepaald welke van de vier rijstroken daarbij betrokken is (level 2), en wat de ernst van het incident is: stilstaand voertuig, een strook geblokkeerd, meerdere stroken geblokkeerd (level 3). Alleen deze module werk met fuzzy logic. De fuzzy module 2 is getest. De overall detection rate van level 1 is 91 %, de false alarm rate 8% en de gemiddelde detectietijd is 2.63 minuten. Level 2 heeft een prestatie van 68%, en level 3 van 63%.

Figuur 6 - Beslisboom uit Chang en Wang (1994), waar OCCDF, DOCCTD, OCCRDF, en DOCC staan voor respectievelijk de spatial differences in occupancies, relative temporal difference in downstream occupancy, relative spati' al difference in occupancies, en downstream occupancy. 4.3.3


INTREPID

29/58

Suttayamully e.a. (1995) beschrijven de ontwikkeling van INTREPID (INtelligent TRaffic Evaluation for Prompt Incident Diagnosis) in de volgende stappen: 1. Kennisacquisitie, inclusief literatuursearch en interviews met experts. 2. Kennisrepresentatie, ontwikkelingvan een beslisboom. 3. Ontwikkeling van een knowledge base in een multimedia omgeving. Er zijn richtlijnen opgesteld om de juiste personen te interviewen. De personen moeten ervaring hebben met incident management of het bouwen van een IM (incident management) systeem, moeten beter presteren dan anderen en bereid zijn tot het einde van de ontwikkeling van het systeem te participeren. De kennisacquisitie is verdeeld in vier fasen (zie sectie 4.7). De kennis is in de IF-THEN vorm vastgelegd en wordt uiteindelijk in een kennisboom opgenomen. Voor het opbouwen van de kennisboom is een level-5 Object taal gebruikt. De kennis is vervat in de beslisboom die werkt met ja/nee beslissingen bij elke vertakking. Lane Blockage?

„Personal Yea,. Fire7 Incident - —•-Accident : - Abandonmcnt Injuiy? -Debris -Stalt - Empty gas tank -etc.

- • N o n e —*• Major PF

f-+ Partial — • l-*• Total N O L BÏodcage?-T*

None

Major PFLp

- • • Major PFLt

~*

M

«J« P

(-»• Partial —*• Major PLp -«•Total —No* —•• Act of Nature?

Fire? Ye» ( Lane Blockage?

MajorPLt

-*None —»• Major F -•Partial—»• Major FLp

Major A

-»• Total — * Major FLt

Mo U Minor . Hazardoui Yes„ Major HS Material SpUl? No"*" » Roadway Failure?

Minor7 Major R

No

.Lane Blockage?

-*-None —*• Minor -•Partial—»• Major Lp

Yes,,

• MinorS

- » Total —»• Major Lt

• Major-Load Spill No~*

Minor No

Figuur 7 - Een kennisboom die wordt gebruikt bij de ontwikkeling voor concepten voor kennisrepresentatie. Voorde classificatie van incidenten zijn verschillenden eigenschappen gebruikt, zoals klein/groot incident, urgent, brand, aantal geblokkeerde stroken en persoonlijke verwondingen. De kennis is gerepresenteerd in een beslisboom, waar de manager doorheen geleid wordt door het systeem. De user interface bevat ook een verklaringsfaciliteit en een interface voor externe bronnen. 4.3.4

Data-fusion

Een belangrijk aspect in de analyse van verkeersdata is data-fusion, met andere woorden, systemen voor het combineren van verschillende soorten informatie om zo een compleet en betrouwbaar beeld te krijgen van de verkeerssituatie. In (Tarko e.a.,1993) worden vage technieken gebruikt om detectordata en probedata te combineren en zo de toestand van een wegsegment te bepalen. De voorlopige resultaten van dit systeem zijn veelbelovend. Een ander voorbeeld van datafusion is beschreven in Choi en Lee (1997) (zie Figuur 8). In deze context is ook de bijdrage van Palacharla en Nelson (1994) relevant.


30/58

4.4

Systemen voor generatie alternatieve regeltactieken

Geen van de bijdragen is toegespitst op methodes voor het genereren van regeltactieken. Voor een idee betreffende de generatie van alternatieve regeltactieken wordt verwezen naar de sectie over complete beslissingsondersteunende systemen (zie sectie 4.2). Wel beschrijven Krause en Von Altrock (1997) hoe vage logica kan worden benut, om de ervaringen van operators met betrekking tot regelstrategieën in kennisregels te vervatten. Bovendien wordt getoond hoe via vage redeneermechanismen speciale omstandigheden, zoals weersomstandigheden, makkelijk kunnen worden meegenomen in de beslissingen.

detector data

probe vehicle data

CCTV data screening

detector data screening

probe vehicle data screening

CCTV fuzzy data conversion

fuzzy detector data conversion

fuzzy probe vehicle data conv.

fusion of data from on-line sources

macroscopic simulation

I

I static travel-time estimation

fusion of historical with on-line data

historie travel time data

production of dynamic updates

Figuur 8 - Datafusion (voor bepalen van reistijden; bron Choi en Lee (1997)) Ook de output van het systeem moet ook op de juiste plek (voor de weggebruikers waarop de data betrekking heeft) op de snelweg verschijnen. Hierbij spelen de sampletijd van de sensoren en de verkeerstoestand een rol. De fuzzy logic procedure kent de berichten dynamisch toe aan de juiste signaleringsportalen. Czogalla en Hoyer (1997) beschrijven een systeem voor het coördineren van kruispuntregelingen en routering van voertuigen. 4.5

Systemen voor voorspellen verkeersituatie

In (Lin en Chang,1996) wordt een dynamische verkeerstoestand monitor voor incident management gepresenteerd. Het systeem bestaat uit drie modules:


31/58

• • •

Module 1 indentificeert onregelmatigheden (bijvoorbeeld incidenten) in het verkeer (zie sectie 4.3). Module 2 detecteert en classificeert het incident (zie sectie 4.3). Module 3 maakt een voorspelling van de impact van het incident.

Module 3 werkt op basis van een neuraal netwerk, dat getraind wordt met een dataset die grootheden bevat die nodig zijn voor de voorspelling van de impact van een incident. Ter voorbereiding van deze dataset worden bepaalde test uitgevoerd op de dataset. Ten eerste wordt bepaald of een afwijking in de gemeten waarde (flow, occupancy, speed) significant is. Ten tweede wordt de duur (persistence) van de significante afwijking geclassificeerd (groter of kleiner dan 3 minuten). Ten derde wordt gekeken of de afwijking in de data niet door random verstoringen wordt veroorzaakt. Uiteindelijk wordt naar de consistentie met de aangrenzende segmenten gekeken. Als alle tests positief zijn, dan heeft het incident gevolgen voor het betreffende segment. Testresultaten laten zien dat ongeveer de helft van de gevallen het systeem het effect van een incident 1.5 tijdsintervallen te vroeg, en in de andere helft 2.7 tijdsintervallen te laat voorspelt. 4.6

Communicatie en acceptatie

Een belangrijk aspect bij het functioneren van beslissingsondersteunende systemen is de communicatie van het systeem met de eindgebruiker (de operator). Deze communicatie speelt in alle drie operationele lagen een belangrijke rol (data analyse, control scenario building en voorspelling verkeerscondities). De manier waarop het systeem met de gebruiker communiceert, bepaalt in hoge mate de acceptatie van de gebruiker. In deze context kan acceptatie betrekking hebben op de getoonde toestand van het systeem (is er inderdaad een probleem op de A20?), de voorgestelde regeltactieken (kan de situatie op de A20 worden verbeterd door toeritdosering in te schakelen?) en de voorspellingen die het systeem doet (zal de congestie op de A20 binnen een half uur oplossen?). Een belangrijk hulpmiddel bij de acceptatie van de gebruiker is het informeren van de gebruiker omtrent het beslisproces. Met andere woorden, het systeem geeft aan hoe het tot een bepaalde uitspraak is gekomen. De bijdrage van Ye en Johnson (1995) bediscussieert deze problematiek. Zij laten zien dat bij dit acceptatieproces, een drietal zaken een rol spelen: 1. Tracing (volgen), waarbij het redeneerpad wordt getoond. 2. Justification (rechtvaardiging), waarbij ook de geldigheid van de verschillende redeneerstappen in het redeneerpad wordt aangetoond. 3. Strategy (strategie), waarbij hogere (beleids-)doelen worden getoond. Uit het onderzoek van Ye en Johnson (1995) blijkt dat met name rechtvaardiging een zeer belangrijke rol speelt. Het is belangrijk dat niet alleen de manier waarop tot een bepaalde uitspraak is gekomen wordt getoond (tracing), maar ook dat de validiteit van de redeneerstappen wordt aangetoond. Een andere methode die gebruikt kan worden is 'what if...' redenering. Hierbij worden de verschillende alternatieven en hun voorspelde consequenties aan de operator getoond.


32/58

4.7

Kennisacquisitie en representatie

In een aantal bijdragen is beschreven hoe een database met procedurele kennis kan worden opgesteld. Zo schrijft Ritchie (1994), dat kennis in FRED voortkomt uit verschillende bronnen, zoals tijdschriftartikelen, specialisten en medewerkers van het Santa Monica Freeway Smart Corridor Demonstration Project. De kennisregels worden gerepresenteerd als ALS-DAN regels. Er zijn richtlijnen opgesteld om de juiste personen te interviewen. De personen moeten ervaring hebben met incident management of het bouwen van een IM (incident management) systeem, moeten beter presteren dan anderen en bereid zijn tot het einde van de ontwikkeling van het systeem te participeren. De kennisacquisitie is verdeeld in vier fasen; in de eerste fase werd de literatuurstudie uitgevoerd en kennis vergaard over IM strategieën, huidige IM plannen en uitrusting nodig voor IM. In de tweede fase is er naar meer specifieke informatie gevraagd over type en aard van incidenten en protocollen voor het afhandelen van de incidenten. De kennis is in de IF-THEN vorm vastgelegd. In de derde fase zijn de conflicten tussen die regels opgelost, en uiteindelijk zijn in fase vier de regels in een kennisboom opgenomen. Voor het opbouwen van de kennisboom werd de Level5 Object taal gebruikt. Gestructureerde kennisacquisitie is mogelijke met de KADS-methode. Hierbij wordt gebruik gemaakt van de structuren van kennisdomeinen. Uit van strategische kennis (het soort kennis dat gebruikt moet worden), logische kennis (betreffende regels, ALS...DAN...), en feiten (inclusief onzekerheden).


33/58


34/58

5 Analogieën andere vakgebieden

Ter volledigheid geeft dit hoofdstuk een aantal voorbeelden uit verwante vakgebieden, die betrekking hebben op de verschillende functionaliteiten van beslissingsondersteunende systemen. Vooreen uitgebreide discussie wordt verwezen naar Hoogendoorn e.a. (1998). Er zijn geen bruikbare publicaties gevonden t.a.v. de generatie van alternatieve tactieken. 5.1

Detecteren, classificeren en diagnosticeren

Bij beslissingsondersteuning in verkeersnetwerken speelt de identificatie van congestie en incidenten een belangrijke rol. In (Hoogendoorn e.a.,1998) is de analogie van deze problemen met de analyse van de veiligheid van een elektriciteitscentrale besproken. Kaymak e.a. (1998) bediscussiëren het belang van goede inzichten in de veiligheid van een elektriciteitsnetwerk. In het huidige Energy Management Systeem (EMS) wordt de veiligheid in vaste intervallen gecontroleerd. Ernstige problemen worden aan de operators doorgegeven. Zij stellen dan vast wat de ernst van het probleem is, op basis van hun ervaringen en kennis. De operators willen dus antwoord op vragen als: '"Waar zitten de zwakke punten in het netwerk?", "Hoe kunnen de onveilige situaties worden geclassificeerd?" en "Wat is de mate van veiligheid?". De conventionele methoden geven geen directe antwoorden op deze vragen, maar geven alleen indirect antwoord door het verschaffen van numerieke informatie. Het op vage logica gebaseerde systeem van Kaymak e.a. (1998) classificeert de veiligheid van het netwerk in een veiligheidsklasse (normale toestand en alarmfase en onderverdelingen hiervan). Dit wordt middels vage beslisregels bewerkstelligd (zie Figuur 10). I

|

| Interface (data input and processing) |

FUZZY INFERENCE and AGGREGATION

• Rule base tie-Lines |

,

Netvvork | Config uration

Knowledge Base Rule base transmission lines •

Network State

User Interface

Membership user

Figuur 9 - Algemene structuur van systeem voor analyse veiligheid netwerk.


35/58

Security Class

ï

Network State

Figuur 10 - Bepaling van de veiligheidsklasse waarin het netwerk zich bevindt. Een ander vakgebied waarin vage diagnosesystemen worden gebruikt is de medische wetenschap. Hier wordt de kennis van medische experts vervat in vage kennisregels. Deze systemen zijn in staat om op basis van het ziektebeeld (symptomen) van de patiënt tot een uitspraak te komen over de ziekte. 5.2

Voorspellen van toestanden

Een goede toepassing van vage logica voor het voorspellen van toestanden is beschreven in Hellendoorn en Baudrexl (1998). Een voorbeeld is een parkeerverwijssysteem voor een gemeente. Het doel van dit systeem is het beter benutten van de beschikbare capaciteit van de parkeergarage. Het systeem beoogt het aantal "zoek-kilometers" in de stad te verminderen. Hiertoe gebruikt het systeem een voorspellingsmodel dat de toestand in de parkeergarages voorspelt, door gebruik te maken van in vage kennisregels vervatte expertkennis: 1. Het formuleren van uitgangspunten en randvoorwaarden. 2. Het selecteren van de relevante invoer- en uitvoervariabelen. 3. Fuzzificatie van de invoervariabelen (het opstellen van lidmaatschapsfunties). 4. Het vaststellen van de relaties tussen de variabelen (d.m.v. regels in een rulebase). 5. Defuzzificatie van de variabelen (berekening van het aantal beschikbare parkeerplaatsen). 6. Kalibratie van het model (met name het aantal, de vorm en de parameters van de lidmaatschapsfunties). 7. Evaluatie en ontwikkeling van het model. In Terano e.a. (1994) wordteen soortgelijk voorspellingsmodel ingericht. In dit geval wordt de toestand van een industrieel proces voorspeld.


36/58

6 Samenvatting

In dit rapport zijn de resultaten van een beknopt literatuuronderzoek naar beslissingsondersteunende systemen op basis van vage logica beschreven. Hiertoe is onderscheid gemaakt tussen verschillende systemen, namelijk: 1. Beslissingsondersteunende systemen met volledige functionaliteit. Dit wil zeggen, systemen die een diagnosefunctie hebben, regeltactieken genereren en de verkeerssituatie voorspellen. 2. Systemen voor verkeersdetectie, -classificatie en -diagnose, d.w.z. detectie en identificatie van probleemsituaties (congestie, incidenten) in het netwerk. 3. Regelsystemen gespecialiseerd in het genereren van alternatieve regelscenario's. 4. Voorspellingssystemen, die op basis van expertkennis en ervaring vervat in (vage) kennisregels, de verkeerssituatie voorspellen. Een aantal systemen met volledige beslissingsondersteunende functionaliteit (type 1) zijn ontwikkeld en getest. Dit laatste gebeurt meestal in een simulatieomgeving en niet in de verkeerskundige praktijk. Voorst zijn ook bijdrage geanalyseerd welke betrekking hebben op de acceptatie van de verschafte informatie (schattingen, diagnosticeren, voorspellingen en alternatieve regelscenario's). Uit de literatuurscan blijkt dat het onderzoek zich tot nu toe voornamelijk richt op zogenaamde diagnose-remedie systemen. Deze systemen hebben een forward-reasoning structuur. Het verdient vermelding dat er alternatieven bestaan in de vorm van: • Case-based reasoning (in extreme vorm middels neurale netwerken). • Synthetische methoden (optimalisatie van maatregelen, bijvoorbeeld met genetische algoritmen). Verder kan de alternatieve methode die toegepast moet worden nog afhangen van de situatie. Dit kan ertoe leiden dat bijvoorbeeld in sommige gevallen diagnose-remedie methoden worden toegepast, in andere gevallen optimalisatie en in weer andere situaties door het toepassen van eerder gebruikte maatregelen. 6.1

Taken Fuzzy Decision Support Systeem

In veel bijdragen wordt ingegaan op de benodigde functionaliteit van beslissingsondersteunende systemen. Voor een beslissingondersteunend systeem kunnen vier kerntaken worden geïdentificeerd, namelijk: 1. Detecteren, classificeren en diagnosticeren. 2. Generen van aanbevelingen. 3. Geconditioneerd voorspellen van de verkeerssituatie. 4. Verklaren hoe tot een bepaald resultaat is gekomen. Met name het belang van de laatste kerntaak blijkt niet altijd te worden onderkend. In praktijk blijkt echter dat het geven van goede verklaringen essentieel is voor de acceptatie van bijvoorbeeld een diagnose, een aanbeveling, of een


37/58

voorspelling. In onderstaande worden de kerntaken 1-3 toegelicht aan de hand van de bevindingen uit de literatuur. Bovenstaande structuur is de klassieke structuur van diagnose-remedie expertsystemen. Alternatieve aanpakken, zoals scheduling, optimalisatie / design en case-based reasoning zijn ook mogelijk. Echter, dit type systemen heeft nog geen ingang gevonden in de verkeerskunde. 6.2

Detecteren, classificeren en diagnosticeren

De eerste taak van een (al dan niet op vage logica gebaseerd) beslissingsondersteunend systeem is de detectie, classificatie en diagnose van eventuele problemen in het netwerk. Betreffende de detectie zijn een aantal fuzzy methodes ontwikkeld voor het detecteren van congestie en incidenten. Een belangrijk voordeel van vage logica is de relatieve eenvoud waarmee data fusion (ook wel correlatie genoemd), d.w.z. het combineren van gegevens uit verschillende databronnen om zo tot een betrouwbare uitspraak over de toestand in het netwerk te komen, kan worden geïmplementeerd. Hierbij kan gedacht worden aan gegevens van verschillende locaties, van verschillende instanties en uit verschillende type bronnen (bijvoorbeeld lussen, probes, en video). Wanneer de toestand van het systeem is vastgesteld, moet de toestand worden geclassificeerd. Dit kan bijvoorbeeld worden gedaan door de huidige toestand te vergelijken met de reguliere toestand. Bovendien zijn fuzzy systemen ontwikkeld, die een nadere classificatie van de systeemtoestand geven, bijvoorbeeld met betrekking tot de ernst van het incident, de verwachte duur gezien de omstandigheden in en om het netwerk, etc. Indien een probleem zich voordoet, wordt hiervan melding gemaakt aan de operator. Hierbij is het belangrijk dat het systeem in begrijpelijke taal (linguïstische termen, bijvoorbeeld 'een zwaar incident', 'lichte congestie') met de operator communiceert. Bovendien dient de operator de voor hem nodige informatie te krijgen (wat is de locatie van het incident, hoe zwaar is het incident). In de literatuur wordt regelmatig benadrukt dat teveel informatie de efficiëntie van het systeem nadelig kan beïnvloeden. Een alternatieve mogelijkheid is het gebruik van probleemdetectie bepaald door lokale intelligente agenten. Een agent (bijvoorbeeld een TDI met monitoring) constateert zelf een probleem en meldt dit vervolgens aan de centrale. Het gebruik van agenten is in beginsel zinvol, indien de complexiteit van het netwerk een compromitterende rol speelt. Als laatste is het wenselijk dat het systeem een diagnose stelt. Dit betekent dat het systeem niet alleen aangeeft wat het probleem is, maar ook - voor zover mogelijk - een potentiële oorzaak aanwijst ("Congestie op de Al3 wordt veroorzaakt door niet functionerende TDI"). In deze fase is het belang van verklaren reeds aanwezig. Indien het systeem een bepaalde uitspraak doet, dient het systeem ook aan te geven hoe het tot deze conclusie is gekomen. Dit beïnvloedt de acceptatie bij de operator in hoge mate. Ook van groot belang is de mogelijkheden en manieren die voor de operator beschikbaar zijn om op het systeem in te grijpen. Een kansrijke mogelijkheid is het stellen van gerichte vragen (zie bijvoorbeeld het FLUIDS systeem, sectie 4.2.4).


38/58

6.3

Generen van aanbevelingen

Voor het genereren van aanbevelingen wordt in de meeste toepassingen gebruik gemaakt van expertkennis en -ervaringen, vervat in (vage) beslisregels. Acties kunnen ook zodanig opgesteld worden, opdat deze de gevolgen van het probleem minimaliseren. De gevolgen van een probleem worden in dit geval bijvoorbeeld ingeschat met een voorspellingsmodel, gebaseerd op expertkennis vervat in vage kennisregels. Een van de attributen in het antecedent (ALS ...) van deze kennisregels is de toestand waarin het regelscenario (de consequentie) kan worden toegepast. Om een regelscenario te kiezen, kan de in de detectiefase geïdentificeerde toestand worden gematched met de toestand. Net als bij probleemdetectie, is bij het generen van aanbevelingen het gebruik van deeloplossingen, die zijn bepaald door lokale intelligente agente mogelijk. Een agent (bijvoorbeeld een TDI met monitoring) constateert zelf een probleem en genereert een passende oplossing. Deze oplossing wordt gecommuniceerd naar de coördinator, die zorgdraagt voor de consistentie van de oplossing. Indien een consistente oplossing is bepaald, wordt deze, inclusief een voorspelling van de verwachte effecten, aan de operator aangeboden. Wederom is het aangeven van het generatietraject van groot belang voor de acceptatie van het alternatief door de operator. 6.4

Geconditioneerd voorspellen van de verkeerssituaties

Indien alternatieven zijn bepaald, moet het systeem in staat zijn een voorspelling te doen van de effecten die een alternatieve regeltactiek heeft op de verkeerssituatie. Voorspellingen worden meestal gedaan door gebruik te maken van expertkennis vervat in vage beslisregels (bijvoorbeeld TRYS). In sommige gevallen is deze kennis gedistribueerd, d.w.z. is de kennis bij lokale intelligente agenten aanwezig. Ook maken verschillende systemen gebruik van technieken die niet zijn gebaseerd op vage logica. Het naar de operator duidelijk maken van de gevolgde redenering is ook hier erg belangrijk. In deze verdient een transparante kennisgestuurde aanpak dan ook de aanbeveling, boven meer modelgeoriënteerde aanpakken (bijvoorbeeld neurale netwerken). In het laatste geval is het tonen van de redenatie immers niet mogelijk. 6.5

Analogieën andere vakgebieden

In andere vakgebieden worden expertsystemen gebaseerd op vage logica veelvuldig toegepast. In dit rapport zijn een aantal voorbeelden aangehaald (ziektediagnose, analyse veiligheid elektriciteitsnetwerken, voorspellen gebruik parkeergarage). 6.6

Conclusies en concept functioneel ontwerp prototype

In deze fase is in beginsel slechts beoogd kansrijke toepassingen van vage beslissingsondersteunende systemen voor het beheersen tussenstedelijke netwerken aan het licht te brengen. Daar vrijwel geen van de beschouwde bijdragen een operationeel systeem beschrijft, kan een uitspraak betreffende de meest kansrijke systeemopbouw op grond van de systeemprestatie dan ook niet wor-


39/58

den gedaan. Dientengevolge zal in de volgende fase, het maken van een functioneel ontwerp, de keuze op grond van andere facetten doorslaggevend zijn. 6.6.1

Modulaire opbouw met intelligente agenten

Gezien het verkennende karakter van dit project, lijkt de keuze voor een modulaire opbouw voor de hand liggend. Met andere woorden, een uitbreidbaar systeem, waarvan de verschillende componenten deels afzonderlijk en successievelijk kunnen worden ontwikkeld verdient de voorkeur. Hiertoe lijkt een aanpak met intelligente agenten zinvol, die dan wel centraal worden gecoördineerd, dan wel onderling onderhandelen in geval van conflictsituaties. Binnen het kader van deze verkenning, zou dan de nadruk op de ontwikkeling van één afzonderlijke agent liggen. De coördinatie van de agenten zou in een later stadium worden uitgevoerd. 6.6.2

Deelsystemen in een agent

Het in dit project te ontwikkelen prototype FDSS bestaat uit een agent, bestaande uit de volgende deelsystemen: 1. Deelsysteem voor classificatie verkeerstoestand (probleem identificatie), gebaseerd op kennis en ervaringen vervat in vage beslisregels. 2. Deelsysteem voor keuze kansrijke regelscenario's. 3. Deelsysteem voor geconditioneerd voorspellen verkeerstoestand. 4. Module voor tracering redenatieproces (optioneel). Gezien het verkennende karakter van het onderliggend project, zal de nadruk met name liggen op het ontwikkelen voor een detectiemodule en een module voor de generatie van regelscenario's. De koppeling van de geïdentificeerde verkeerstoestand en de te nemen maatregelen kan plaatsvinden door gebruik te maken van inferentieschema's uit de vage logica. 6.6.3

Classificatie verkeerstoestand

De grote informatiestroom, bemoeilijkt de regeltaak van de netwerkoperator. Data filtering en aggregatie is dan ook van essentieel belang bij het nemen van goede beslissingen. Middels een fuzzy expertsysteem kan hierin worden voorzien. Een kansrijke aanpak is het gebruik van fuzzy problem-frames (of -objecten) voor het classificeren van problemen in het netwerk. In een frame wordt voor ieder onderdeel in het netwerk, de toestand beschreven in door de verkeersbeheerser begrijpbare linguïstische termen. Een frame beschrijft de locatie van het onderdeel, in relatie tot andere onderdelen in het netwerk, een eventueel probleem ("file veroorzaakt door te grote verkeersvraag bij toerit"), een omschrijving van het probleem in termen van snelheid, dichtheid en intensiteit voor zowel het betreffende onderdeel, als de relevante aangrenzende netwerkonderdelen. De informatie in een frame kan ook worden omschreven als vage beslisregels, welke kan worden afgeleid van de informatie in de frames. Deze beslisregels hebben de volgende vorm:


40/58

ALS huidig(snelheid,dichtheid,intensiteit) = (laag.hoogjaag) EN ... EN volgend(snelheid,dichtheid,intensiteit) = (middel,middel,hoog) DAN probleem = "file veroorzaakt door te grote verkeersvraag bij toerit" EN kritische_sectie(locatie,toestand,categorie) = (volgende,overflow,probleem,) Op basis van de beschikbare verkeersgegevens, kan vrij eenvoudig worden bepaald welk frame het beste de huidige situatie in het netwerk omschrijft. Dit kan worden gedaan door uitgaande van het General Modus Ponens principe te bepalen, welke van de frames de hoogste matching (firing) heeft, uitgaande van de beschikbare gegevens. Na controle op conflicterende frames, kan vervolgens voor ieder netwerkonderdeel worden bepaald, welke frames de huidige situatie in het netwerk het best omschrijven. 6.6.4

Genereren regelscenario's

Regelscenario's worden gekozen door matching van de geïdentificeerde toestand van het verkeersnetwerk met de antecedenten in de vage beslisregels. Deze vage beslisregels worden opgesteld door middels het simulatiepakket METANET een aantal verkeersscenario's door te rekenen. Ook hier kunnen de regels worden vervat in frames. Deze frames bevatten informatie over de precieze specificatie van de regeling ('zet de TDI op de toerit aan'), de omstandigheden waaronder de regeling kan worden toegepast, en een schatting van de verwachte impact. Door de in de vorige fase bepaalde verkeerstoestand te matchen met de omstandigheid waaronder de regeling kan worden toegepast, kan het meest geschikte regelscenario worden bepaald. Anderzijds kan uitgaande van een toestand en een gekozen regelscenario, ook de verwachte verkeerstoestand worden bepaald.


41/58


42/58

1 Bibliografie

1. 2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12. 13.

14.


Arcadis Heidemij Advies (1998), Handleiding regeltactieken versie 1, opdracht AVV Busch, F., M. Cremer, A. Ghio, and T. Henninger, A Multi-Model Approach For Traffic State Estimation And Incident Detection On Motorways. In: Proceedings Of The First World Congress On Applications Of Transport Telematics And Intelligent Vehicle-Highway Systems, Paris, Volume 3. 1994, pp. 1245-1252. Chakroborty. P. and S. Kikuchi, Application of Fuzzy Set Theory to the Analysis of Capacity and Level of Service of Highways. In: proceedings of ISUMA'90 - the First International Symposium on Uncertainty Modelling and Analysis, IEEE Computer Press, Silver Spring, MD., 1990. Choi, K. and S.H. Lee, Data Fusion for Generating the Link Travel Times with Insufficient Datasources. In: proceedings of the 1997 ITS World Conference, Berlin, 1997. Cuena-J; Molina-M (1995). Knowledge-Based Models for Adaptive Traffic Management Systems. Transportation Research, PartC. 1995/10. 3c(5) Pp311-37(29Refs.) Czogalla, O., and R. Hoyer, Simulation Based Design of Control Strategies for Urban Traffic Management and Control. In: proceedings of the '97 ITS Word Conference, Berlin, 1997. Hellendoom, H., and R. Baudrexl, Fuzzy Neural Traffic Control and Forecasting. In: International Joint Conference Of The 4th IEEE International Conference On Fuzzy Systems And The 2nd International Fuzzy Engineering Symposium IEEE International Conference On Fuzzy Systems. V 4 1995. IEEE, Piscataway, pp. 2187-2194. Hoogendoorn, S.P., G. Copinga, U. Kaymak (1998). Perspectives of Fuzzy Logic in Traffic Engineering. TRAIL Research Report in opdracht van Adviesdienst Verkeer en Vervoer. Kaymak, U., R. Babuska, H.R. van Nauta Lemke, G. Honderd. A Fuzzy Logic System for Steady-State Security Analysis of Power Networks. To appear in: Journal of Intelligent and Fuzzy Systems, 1998. Kirschfink, H., R. Lange, and B. Jansen, Monitoring, Control and Management on the Motorway Network in Hessen using Intelligent Traffic Modelling. In: proceedings of the '97 ITS Word Conference, Berlin, 1997. Krause, B., C. Altrock and M. Pozybill, Intelligent Highway by fuzzy logic: Congestion detection and traffic control on multi-lane roads with variable road signs. In: proceedings of the IEEE International Conference On Fuzzy Systems, vol. 3. IEEE, Piscataway, 1996, pp. 1832-1837. Ndoh, N.N., and N.J. Ashford, Evaluation of Transportation Level of Service. In: Transportation Research Record 1461, 1994, pp. 31-37 Palacharla P., and P. Nelson, Understanding Relations Between Fuzzy Logic And Evidential Reasoning Methods. In: Proceedings of the 1994 IEEE International Conference on Fuzzy Systems, IEEE Piscataway, 1994. pp. 19-24. Tarko, A., J. Tsai, and N.M. Rouphail, Detection of Traffic Congestion using Fuzzy Operator Logic in ADVANCE-like Systems. In: proceedings of the intelligent vehicles symposium '93. 1993, pp. 189-194.

43/58

15. Terano, T., K. Asai, and M. Sugeno, Applied Fuzzy Systems, AP Professional, 1994 16. Ye, L. Richard and Paul E. Johnson (1995), The Impact of Explanation facilities on User Acceptance of Expert Systems Advice. MIS Quarterly, june 1995, Vol 19, Iss2, pp.157-72. 17. Ritchie, S.G. (1990). A knowledge-based Decision Support Architecture for Advanced Traffic Management. Transportation Research - part A, Vol 24A, No. 1, pp 27-37. 18. Ritchie, S.G., and N.A. Prosser (1991). Real-Time Expert System Approach to Freeway Incident Management. Transportation Research Record 1320,

pp. 7-16.


44/58

7 Geannoteerde Literatuurlijst

In onderstaande zijn samenvattingen van de beschouwde publicaties opgenomen. De geselecteerde bijdrage welke bruikbaar zijn bevonden voor verdere beschouwing worden aan verdere analyse onderworpen. Bij deze analyse is onderscheid gemaakt tussen: • Een objectieve samenvatting, en • Een (subjectieve) kritische analyse van de bijdrage. In onderstaande secties worden de onderzoeksvragen voor de literatuuranalyse gepresenteerd. •


Onderstaande is de vragenlijst met betrekking tot de objectieve samenvatting. • Probleemgebied. Wat is het probleemgebied waarop de bijdrage betrekking heeft? Is er sprake van een toepassing binnen de verkeerskundige discipline? • Inhoud. Een korte samenvatting van de bijdrage. • Bronnen. Wat zijn de verschillende informatiebronnen gebruikt in de bijdragen. Zijn belangrijke informatiebronnen over het hoofd gezien? • Vergelijking. Wordt er een vergelijk getrokken met (de prestatie van) andere methoden? Indien dit het geval is, leidt de voorgestelde methodiek tot significante verbeteringen? • Real-life of simulatie. Wordt de voorgestelde aanpak toegepast in een 'real-life' omgeving, of alleen in een simulatieomgeving? Kunnen we in het laatste geval rekenen op een vergelijkbare prestatie in de werkelijkheid? Vervolgens worden publicaties op structurele wijze geanalyseerd ten aanzien van de werking van de beschreven aanpak. Dit kan bijvoorbeeld worden gedaan door naar de volgende aspecten te kijken: • Beschrijving aspecten fuzzy logic Fuzzificatie. Wat zijn voor deze toepassing de basisvariabelen en hoe worden deze geanalyseerd. Hoe worden de lidmaatschapsfuncties bepaald? Zijn deze lidmaatschapsfuncties plausibel? Inferentie. Welke fuzzy inference schema wordt toepgepast? Wat zijn de verschillende expert-regels en hoe worden beslissingen op basis van deze regels genomen? Welke operatoren worden gebruikt en hoe? Defuzzificatie. Wat en hoe wordt gedefuzzificeerd? Hoe worden de verschillende parameters van het operatorondersteunend systeem bepaald? Op welke wijze wordt expert-kennis gebruikt? Welke tuning-methodieken worden gebruikt? •

Kritische analyse

In deze fase wordt de bijdrage kritisch geanalyseerd. Als leidraad zijn de volgende vragen opgesteld: • Motivatie aanpak. Waarom is voor deze aanpak gekozen? Was een andere mogelijkheid mogelijk en meer geschikt? Is de aanpak gerechtvaardigd of laat de bijdrage alleen maar zien dat de aanpak ook kan worden toegepast op een verkeerskundig regelprobleem?


45/58

• •

•

A.1

Prestatie. Is de toename (of afname) in de prestatie van het systeem realistisch en wordt de prestatie op adequate wijze bepaald? Generalisatie toepassingmogelijkheden. Wat zijn naar onze mening de toepassingsmogelijkheden van de beschreven aanpak? Zijn er mogelijkheden om de aanpak toe te passen op andere verkeerskundige problemen? Kunnen eventuele tekortkomingen in de aanpak worden verholpen? Gebruik fuzzy resources. Worden de beschikbare (literatuur-) bronnen voldoende gebruikt. Zijn de beschikbare tools uitputtend gebruikt? The Impact of Explanation facilities on User Acceptance of Expert Systems Advice

Auteurs: L. Richard Ye, Paul E. Johnson. Bron: MIS Quarterly, June 1995, Vol 19, Iss 2, pp.157-72. •


Probleemgebied bijdrage. Acceptatie expert-systemen (psychologie) Inhoud. Een belangrijke eigenschap van expert-systemen is dat ze ook verklaringen kunnen verschaffen voor de getrokken conclusies. In dit artikel wordt er empirisch bewijs gezocht voor de hypothese dat het geven van verklaringen de acceptatie van de conclusie kan vergroten. Er worden drie soorten verklaringen bekeken: 7. Tracé (volgen), waarbij het redeneerpad wordt getoond 2. Justification (rechtvaardigen), waarbij ook de geldigheid van de verschillende redeneerstappen in het redeneerpad wordt aangetoond 3. Strategy (strategie), waarbij hogere (beleids-)doelen worden getoond. Om te onderzoeken wat door de gebruiker de meest doorslaggevende verklaring is, wordt gekeken welk type verklaring het meest door de gebruiker wordt opgevraagd. Uit de analyse blijkt dat rechtvaardiging de meest effectieve en door de gebruiker het meest gevraagde verklaring blijkt te zijn. Informatiebronnen. Er is een zeer uitgebreide literatuurlijst gegeven. In het artikel worden er verschillende artikelen genoemd over de noodzaak van een verklarende faciliteit van de expert-systemen (Duda en Shortliffe 1983, Moor en Swartout 1988, Teach en Shortliffe 1981). Het advies van een expertsysteem wordt niet overgenomen als de gebruiker - die verantwoordelijk is voor zijn beslissingen - niet begrijpt hoe het advies tot stand is gekomen (Hollnagel 1987). •

Kritische analyse

Motivatie. Het is aannemelijk om te kijken naar het aantal keren dat de gebruiker om een bepaald soort verklaring vraagt. Ook de verandering van het vertrouwen in de conclusie is gemeten. Toepassingsmogelijkheden. Bij het opzetten van een beslissingsondersteunend systeem voor een verkeerscentrale zal het belangrijk zijn om altijd de operator de mogelijkheid te bieden om de redering te laten zien die heeft geleid tot de conclusie (bv. niet reguliere ernstige congestie, incident, teksten voor DRIPs, etc).


46/58

A.2

A knowledge-based Decision Support Architecture for Advanced Traffic Management

Auteur: Stephen G. Ritchie Bron: Transportation Research - part A, Vol 24A, No. 1, pp 27-37, 1990 •


Probleemgebied bijdrage. Beslissingsondersteuning voor operators van verkeerscentrales. Inhoud. Een conceptueel ontwerp wordt gepresenteerd voor een real-time beslissingsondersteunend systeem. Er wordt gefocusd op niet frequente congestie in grote of complexe netwerken. Kennisgebaseerde systemen worden gebruikt om te voorkomen dat de operator last krijgt van cognitief overbelasting (veel gegevens tegelijk). Het systeem filtert de relevante informatie voordat het bij de operator komt. De real-time karakteristieken en onderdelen van de blackboard architectuur worden als volgt beschreven. Real-time systemen - dwz. sneller dan de inkomende data - moeten de volgende eigenschappen hebben: 1. Truth maintenance voor een niet-monotoon redeneermechanisme, omdat de validiteit van data na een bepaalde tijd kan vervallen. 2. High performance: in enkele minuten een voorstel genereren als reactie op een incident (tijd inclusief verificatie van het incident door de operator). 3. Temporal reasoning: tijd afhankelijke heuristiek, dynamische modellen. 4. Asynchronous events: onverwachte gebeurtenissen moeten afgehandeld kunnen worden. 5. External en sensor interface: informatie van sensoren, van andere software-pakketten moeten toegankelijk gemaakt kunnen worden. 6. Omgang met onzeker/ontbrekende gegevens. 7. Continu-bedrijf: uitval van deelsystemen moeten in een 'graceful' in plaats van een 'catastrophic' degradatie resulteren 8. Focus of attention: de systeembronnen aanwenden tot het oplossen van de belangrijkste problemen. De architectuur van het systeem is opgebouwd uit verschillende 'nodes' zoals city police, State police, street TOC, Freeway TOC, enz. Die nodes communiceren via een blackboard van de Smart Central (inclusief knowledge-based expert-system). Voor elk gegeven op het blackboard is vastgesteld wie het mag veranderen en wat de oorsprong is. Een incident wordt via een node gedetecteerd waarna de melding doorgestuurd wordt naar de centrale voor verificatie door de operator. Na verificatie zoekt het systeem naar alternatieven om in te grijpen. Niet alleen de acties, maar ook de gevolgen ervan worden aan de operator gepresenteerd die een keuze maakt. De keuze wordt weer op de blackboard geplaatst waarvandaan de nodes geïnformeerd worden en acties kunnen ondernemen. Informatiebronnen. Er worden bronnen genoemd op het gebied van civieltechnische toepassingen van kennisgebaseerde expertsystemen (Ritchie 1987, Maher 1987) en ook op andere gebieden. Er is een literatuurlijst opgenomen met referenties naar Intelligent Vehicle-Roadway Systems en blackboard/expert systemen. Vergelijking. De schrijver geeft aan dat er geen vergelijkbare systemen bestaan.


47/58

•

Kritische analyse

Motivatie aanpak. De blackboard benadering heeft het voordeel dat (1) kennis modulair is, (2) verschillende kennisrepresentaties worden geintegreerd en (3) efficiënte executie in een gedistribueerde computeromgeving mogelijk is. Toename prestatie. Het is realistisch om te verwachten dat dit systeem beter presteert. A.3

Real-Time Expert System Approach to Freeway Incident Management

Auteurs: Stephen G. Ritchie, Neil A. Prosser Bron: Transportation Research Record (1320), pp. 7-16, 1991. •


Probleemgebied bijdrage. Beslissingsondersteuning bij incident management Inhoud. Het artikel geeft - als vervolg op het hierboven genoemde artikel - een beschrijving van een real-time expert system voor beslissingsondersteuning bij incident management. Het expertsysteem FRED (Freeway Real-Time Expert System) is als case study toegepast op een stuk van Riverside Freeway (SR-91) in Orange County in Californie. Het systeem werkt in vijf modules: incident detectie, incident verificatie, identificatie en evaluatie van alternatieve acties, implementatie van de gekozen acties en monitoring van het herstel. De kennis in FRED komt uit verschillende bronnen: professionele papers, Caltrans traffic operations specialist, en medewerkers van het Santa Monica Freeway Smart Corridor Demonstration Project. De kennisregels worden gerepresenteerd door if-then regels, waar de consequent allerlij acties kan bevatten: grafische displays openen, berichten versturen naar operators of externe systemen, enz. Feiten (data) worden in objecten opgeslagen, waarbij elk object een verzameling attributen heeft. Bijvoorbeeld, een incident-object heeft attributen voor tijd, locatie, type, verwachtte duur. De kennisregels werken met/op de attributen van de objecten. Via de userinterface krijgt de operator bericht over vermoedelijke incidenten en kan hij het incident bevestigen of verwerpen. Vanuit de verificatie-window kan de operator zien welke camera het dichts bij het vermoedelijke incident is, kan hij lusdata opvragen en een eventuele report log opvragen. In een aparte window is een schematische weergave van de wegsectie zichtbaar inclusief Changeable Message Signs (CMS), camera's, meetlussen en een indicatie van de (vermoedelijke) locatie van het incident. Als een incident door de operator bevestigd is, zal het systeem een voorstel doen voor de actie. Dit kan het uitzenden van een 'major incident traffic management team' (MITMT) zijn, real-time toeritdosering en CMS instellingen. Als een MITMT uitgezonden wordt, dan wordt ook een rapport van het incident verschaft met informatie over locatie, verwachtte duur, geblokkeerde stroken, aantal gewonden, enz. De toeritdoserings algoritme berekent per 30 seconden de optimale dosering. Als het incident ernstiger is dan een bepaalde drempelwaarde, dan worden de toeritten over een bepaalde lengte stroomopwaarts afgesloten. Via CMSs wordt het verkeer op de hoogte gebracht van afsluitingen en de alternatieve routes. Het systeem presenteert alle opties aan de operator die de gewenste acties kan aanklikken en de CMS teksten kan wijzigen. De respons van de traffic operation specialists is gunstig.


48/58

Real-life of simulatie. Simulatie-omgeving •

Kritische analyse

Motivatie aanpak. Aanpak is een case-study. Toepassingsmogelijkheden. Door 'multiple-choice' karakter van de beslissingsondersteuning kan het werk van de operator versimpeld worden. Verklaring van de voorgestelde acties kunnen helpen bij een betere keuze tussen die acties. A.4

Real-Time Decision-Support System for Freeway Management and Control

Auteurs: Hongjun Zhang, Stephen G. Ritchie, Bron: Journal of Computing in Civil Engineering, Vol 8., No. 1, January 1994,

35-51 •


Probleemgebied bijdrage. Decision support voor verkeerscentrales Inhoud. Het beslissingsondersteunend systeem FRED, zoals beschreven in het artikel hierboven (Real-Time Expert System Approach to Freeway Incident Management) is uitgebreid en wordt zeer uitvoerig beschreven in dit artikel. De uitbreidingen betreffen de volgende zaken: • Het systeem wordt toegepast op een netwerk van drie snelwegen in plaats van één • Het systeem kan meerdere incidenten tegelijk afhandelen in plaats van een enkel incident. • De user interface is verbeterd. • Beter recovery monitoring. Voor de data-representatie zijn object-georiënteerde technieken gebruikt. Alle objecten zijn afstammelingen van een van de vier parent objecten: graphic, usable, varaible en schema-objecten. Incidenten zijn tijdelijke object, waarvan de attributen worden ingesteld tijdens detectie en verificatie en worden gebruikt de regels en procedures voor respons op de incidenten. Via relaties tussen de objecten kan er ook indirect naar objecten verwezen worden. De regels in FRED worden event-driven afgevuurd en om een combinatorische explosie van afgevuurde regels te voorkomen, worden de regels geprioriteerd via de status en fase van het incident. Een procedure is een rij handelingen waar elke handeling een naam heeft en een aantal parameters, vergelijkbaar met een PASCAI functie. Naast procedures kunnen er ook functies en formules gedefinieerd worden. Formules kunnen specifiek of generiek zijn, generieke formules hebben invloed op een hele klasse van objecten. Via een data interface functie kunnen de externe gegevens opgehaald worden, zoals lus data, toeritdoserings instellingen, incident gegevens, enz. Voor incident recovery monitoring kan de operator de detector data grafisch bekijken en/of gebruik maken van CCTV. Het incident detectie algoritme is ook verantwoordelijk voor het melden van het einden van een incident, wat ook bevestigd moet worden door de operator. Wanneer een incident beëindigd is, word het tijdelijke object gewist en de relaties ermee verbroken.


49/58

Informatiebronnen. Er wordt enerzijds verwezen naar enkele basiswerken op het gebied van expert systemen, anderzijds naar literatuur op het gebied van intelligent-highway systems en verkeerscentrales. Vergelijking. Geen vergelijking, behalve met de vorige versie van FRED. Real-life of simulatie. Het systeem is toegepast in een simulatie omgeving. Aspecten redeneermechanisme. Het redeneermechanisme is gebaseerd op een object-georiënteerde datastructuur. Binnenkomende events triggeren de kennisregels die op hun beurt procedures opstarten en attributen van objecten instellen. Het geheel is modulair opgebouwd en daarom makkelijk verder te ontwikkelen. •

Kritische analyse

Motivatie aanpak. Het doel van de aanpak is om te demonstreren dat een soortgelijk systeem geschikt is voor incident management. Er wordt niet ingegaan op geschiktheid of prestatie van het systeem. A.5

Emerging Technology Applications in Intelligent Vehicle-Highway Systems,

Auteur: S.G. Ritchie Bron: Artificial Intelligent Applications to Traffic Engineering (M. Bielli, G. Ambrosino and M.Boero, eds.), pp. 177-187, VSP 1994 •


Probleemgebied bijdrage. Toepassing intelligente technieken in beslissingsondersteuning voor verkeerscentrales Inhoud. Dit artikel geeft een overzicht van een aantal toepassingsmogelijkheden van Al-technologie voor verkeerscentrales in het kader van het California ATMS Testbed. De toepassingen zijn in twee hoofdcategorieën verdeeld: beslissingsondersteuning voor operators van verkeerscentrales en surveillance en communicatie. Binnen de beslissingsondersteuning wordt gericht gekeken naar de detectie en verificatie van, en responsformulering voor incidenten. Daarbinnen worden een vijftal projecten beschreven: • Incident detectie op snelwegen met neurale netwerken. Er wordt vermeld dat er aanwijzingen zijn dat deze aanpak betere resultaten oplevert dan tot nu toe. • Detectie van niet frequente congestie in stedelijke omgeving met Altechnieken. Gedacht wordt aan de toepassing van neurale netwerken, kennis-gebaseerde expertsystemen en beeldverwerkingssystemen. • FRED. Het expertsysteem demonstratieproject voor beslissingsondersteuning operators in snelweg verkeerscentrales. (Al hiervoor beschreven.) • Caltrans District 12 TMC real-time KBES prototype. Een off-line real-world vervolg van FRED. • ARTIST. Demonstratieproject voor de haalbaarheid van beslissingsondersteuning in het stadverkeer. Advies over reizigersinformatie en het regelen van signalering wordt gegeven op basis van een combinatie van gegevens zoals tijd van de dag, dag van de week, evenementen, afzettingen, verkeersdrukte in omgeving.


50/58

Voor surveillance en communicatie worden toepassingen bekeken die gebruikt kunnen worden als de er (tijdelijk) geen gegevens beschikbaar zijn van ingebouwde meetlussen en vaste communicatielijnen. Deze toepassingen omvatten: 1. Video beeldverwerking voor extractie van verkeersparameters. 2. Vehicle-roadway communicatie. 3. Draadloze communicatie. Informatiebronnen. De meeste verwijzingen zijn naar publicaties op het gebied van incident detectie en beslissingsondersteuning voor snelwegen. A.6

Santa Monica Freeway Smart Corridor Project Operational Multi-Agency Traffic Management and Expert System

Auteurs: David Roseman, Sun-Sun Tvedten Bron: MOBILITY FOR EVERYONE 4th World Congress on Intelligent Transport Systems, 21-24 october 1997, ITS America «


Probleemgebied bijdrage. Gemeenschappelijk expertsysteem voor operators van verschillende wegbeheerders. Inhoud. In het Santa Monica Smart Corridor Demonstration Project worden ITS-technologieën en DVM-strategieën getest. Het testgebied bestaat uit drie snelwegen en vijf belangrijke secundaire wegen, die door verschillende instanties worden beheerd. Drie daarvan zijn met elkaar verbonden door een gedistribueerde database en expertsysteem. Het expert systeem is onworpen om de coördinatie tussen de verschillende instanties - rechtsgebieden - goed te laten verlopen. De vraag wie de leiding heeft bij een incident wordt bepaald door het expert systeem. Bij een incident worden de volgende stappen genomen: 1. Incident detectie. Rapportage door de detectie algoritmes van de verschillende wegbeheerders. 2. Incident correlatie. De rapporten uit verschillende bronnen worden in een enkel rapport samengevat. 3. Incident notificatie. Als het rapport voldoende aanwijzingen bevat dat er inderdaad een incident heeft plaatsgevonden, vraagt het systeem om bevestiging van een operator, die word gekozen op grond van de vermoedelijk locatie. 4. Incident bevestiging en toekenning van een 'incident manager'. De bevestiging - meestal via CCTV - kan van elke geautoriseerde operator komen. De operator die het incident bevestigt, is waarschijnlijk het dichts bij het incident, en wordt de 'incident manager'. Het systeem biedt de mogelijkheid om de incident manager-schap over te dragen aan een andere operator. 5. Actie plan generatie. Het systeem schat de verwachtte duur van het incident, analyseert de verkeersvraag voor de geschatte tijdsduur, ontwikkelt acties om de gevolgen te beperken en presenteert die aan de incident manager. 6. Plan actievering. De incident manager kan toestemming geven voor het plan, veranderingen aanbrengen of het plan weigeren. Toestemming activeert het plan. 7. Toestemming van andere betrokken instanties. Die delen van het plan die onder de verantwoordelijkheid vallen van andere beheerders, worden gepresenteerd aan de betreffende operators. Zij kunnen dan ook toestem-

verkenning Fuzzy Decision Support Systeem

51/58

8.

9.

ming geven, veranderen, of een veto uitbrengen. Het systeem zorgt voor de uitvoering. Dynamische incident management. Het systeem monitort de het verkeer in de omgeving van het incident en handelt nieuwe inkomende incident rapporten af, om het actieplan zonodig aan te passen. Beëindiging maatregelen. Het systeem adviseert over het beë indigen van de maatregelen, om geleidelijk weer tot de normale situatie terug te keren.

Informatiebronnen. Er worden geen informatiebronnen vermeld. Vergelijking Er word geen vergelijking getrokken met ander methoden. Real-life of simulatie. De indruk wordt gewekt dat het systeem in een realworld omgeving wordt toegepast. •

Kritische analyse

Motivatie aanpak. Voor spreiding van de verantwoordelijkheid is gekozen omdat (1) niet altijd dezelfde operator de aangewezen persoon is om een incident af te handelen (ervaring, en juridisch) en (2) omdat de operators indirect ook toegang hebben tot infrastructuur die niet onder hun rechtsgebied valt, en iedereen volgens zijn bevoegdheid kan handelen. Prestatie systeem. Er wordt niet ingegaan op de prestatie. A.7

Incident Management System for Santa Monica Smart Corridor

Auteurs: Ashkan Karimi, Arti Gupta Bron: Compendium of technical papers; 63rd Annual Meeting of the Institute of Transportation Engineers, held September 19-22, Transportation Engineers 1993, 519 pp., pp. 180-185 •


Probleemgebied bijdrage. Gemeenschappelijk expertsysteem voor operators van verschillende wegbeheerders. Inhoud. Het gedistribueerde expertsysteem wordt gedetailleerder beschreven. Het accent ligt op de beschrijving van de taken en de globale werking van het expertsysteem. Informatiebronnen. De bronnen omvatten voornamelijk 'Smart Corridor'gerelateerde studies. De kennis voor de knowledge-base van het expertsysteem komt uit interviews met experts. Vergelijking. Er wordt geen vergelijking gemaakt met andere methoden. Real-life of simulatie. Vermoedelijk gaat het om een simulatie omgeving. Er wordt niks gezegd over de prestatie. •

Kritische analyse

Motivatie aanpak, zie 'Santa Monica Freeway Smart Corridor Project Operational Multi-Agency Traffic Management and Expert System'. A.8

Improved Freeway Incident Detection Using Fuzzy Set Theory

Auteur: Edmond Chin-Ping Chang, Su-Hua Wang


52/58

Bron: Transportation Research Record (1453), pp. 75-82, 1994 •


Probleemgebied bijdrage. Fuzzy incident detectie Inhoud. Van de California-type incident detectie algoritmes is algoritme 8 als basis genomen voor drie verschillende fuzzy incident detectie algoritmes. Algoritme 8 is een beslisboom die de volgende grootheden gebruikt voor de vertakkingen: spatial difference in occupancies, relative temporal difference in downstream occupancy, relative spatial difference in occupancies, and downstream occupancy. De output van het algoritme is de toestand, genummerd van 0 t/m 8. De drie fuzzy benaderingen gebruiken dezelfde grootheden, maar op verschillende manieren. Benadering 1 gebruikt de beslisboom van algoritme 8, en de fuzzy waarden propageren via de max-min operator. De input variabelen worden in elke knooppunt van de boom met vage drempelwaarden vergeleken. De output is de toestand met de hoogste lidmaatschapwaarde. Benadering 2 gebruikt linguïstische termen gedefinieerd op de domein van de inputvariabelen. Voor elk pad in de originele beslisboom is er een equivalente regel geformuleerd. De weighted average methode wordt gebruikt als defuzzificatie. Benadering 3 is hetzelfde als benadering 2, behalve dat er gesimplificeerde regels worden gebruikt: sommige regels van benadering 2 worden samengepakt. Informatiebronnen. Er wordt verwezen naar verschillende papers over incident detectie (oa. algoritme 8.), en naar theorie en toepassingen voor fuzzy reasoning. Vergelijking. Alle drie de fuzzy benaderingen presteren beter dan de oorspronkelijke algoritme. Significantie is niet vast te stellen. Reai-life of simulatie. Simulatie omgeving. Oorsprong van de simulatie-data wordt niet vermeld. Calibratie. Hoewel er niet wordt beschreven hoe de regels zijn ge-tuned, wordt wel vermeld als verdere ontwikkeling dat de fine-tuning van de regels het beste geautomatiseerd kan worden, omdat het moeilijk is. •

Kritische analyse

Motivatie aanpak. De fuzzy aanpak is gekozen omdat (1) het een succesvolle benadering is gebleken op andere gebieden zoals schade evaluatie, medische diagnose, meteorologie, (2) de beslissingsgrenzen niet hard maar geleidelijk zijn, wat in betere tolerantie van imprecisie resulteert. Deze argumenten rechtvaardigen de aanpak. Prestatie. Er wordt alleen een kwalitatieve uitspraak gedaan: fuzzy is beter. Hoe dit bepaald is, is niet beschreven.


53/58

A.9

Intelligent Highway by Fuzzy Logic: Congestion Detection and Traffic Control on Multi-Lane Roads with variable Road Signs

Auteurs: Bernhard Krause, Constantin von Altrock, Martin Pozybill Bron: IEEE International Conference On Fuzzy Systems, V 3 1996, IEEE, Piscataway, NJ, USA, pp 1832-1837. •


Probleemgebied bijdrage. Detectie van congestie dmv. fuzzy logic Inhoud. In deze paper wordt een methode voor detectie van congestie gepresenteerd. Deze methode berust op het beschouwen van de tijdreeksen van inkomend en uitgaand verkeersdata van een wegsectie. Omdat de data in frames gedetecteerd wordt, word voor elk inkomend voertuig voorspeld in welk tijdsframe die de sectie zal verlaten. De tijd dat een gemiddeld voertuig nodig heeft om de wegsectie te passeren, wordt geschat. Als er een significant verschil is tussen de voorspelde en de gemeten waarde bij de uitgang, dan zal geconcludeerd worden dat er een incident heeft plaatsgevonden. Met fuzzy logic wordt daarnaast ook de algemene conditie van een wegsectie bepaald. Verkeersvolume, gemiddelde snelheid en geschatte dichtheid worden geaggregeerd om tot een schatting van graad van congestie te komen. Voor de input van het systeem wordt enkel bestaande infrastructuur gebruikt. Informatiebronnen. De auteurs verwijzen naar publicatie over fuzzy logic in het algemeen (Zimmerman, 1991) en naar enkele verkeerskundige toepassingen van fuzzy logic. Prestatie. Deze methode detecteert het incident drie minuten na de gebeurtenis, hetgeen vier minuten sneller is dan de conventionele methode. De vergelijking is uitgevoerd op real-life data. Aspecten redeneermechanisme. Het aantal voertuigen wordt als fuzzy indicator gebruikt voor de graad van congestie. Deze kan makkelijk gecombineerd worden met andere indicatoren zoals volume, snelheid en geschatte dichtheid. Het is niet duidelijk hoe de exacte variabelen zijn gefuzzificeerd. Er is geen informatie over het redeneermechanisme. Het output van het systeem is een graad van congestie. Het is niet duidelijk of dit nog wordt gedefuzzificeerd. Calibratie. Alleen het gebruik van expert-kennis wordt genoemd. •

Kritische analyse

Motivatie aanpak. De fuzzy aanpak is gekozen omdat er makkelijker is om te gaan met ontbrekende of onzekere data, en omdat menselijke ervaring te gebruiken is bij het opzetten van het redeneermechanisme. Prestatie. Er wordt weinig gegevens gepresenteerd over de tests en de internals van het systeem. Het is niet mogelijk om te bepalen of de verbetering realistisch is. A.10

A Complete Fuzzy Logic Control Approach for Existing Traffic Control Systems

Auteurs: Bernhard Krause, Constantin von Altrock


54/58

Bron: MOBILITY FOR EVERYONE, 4th World Congress on Intelligent Transport Systems, 21-24 october 1997, ITS Congress Association. •


Probleemgebied bijdrage. Opzet voor fuzzy regeling van snelwegverkeer Inhoud. Er worden wat ideeën gepresenteerd over hoe fuzzy logic kan worden toegepast in verkeersregelsystemen. Ten eerste kan fuzzy logic benut worden om de kwaliteit van de verkeersdata te controleren. Als er geen data beschikbaar is, kan er een vervangende waarde worden berekend op grond van interrelaties met aangrenzende cross-secties. Daarnaast wordt de plausibiliteit gekontroleerd om de sensoren te vinden die foute of misleidende data verschaffen. Ten tweede kan de menselijke ervaring omtrent control strategieën benut worden. Ten derde kunnen via fuzzy redeneermechanismen de weersomstandigheden makkelijk meegenomen worden in de beslissingen. De output van het fuzzy systeem moet ook op de juiste plek (voor de weggebruikers waarop de data betrekking heeft) op de snelweg verschijnen. Hierbij spelen de sample-tijd van de sensoren en de verkeerstoestand een rol. De fuzzy logic procedure kent de berichten dynamisch toe aan de juiste displays. Informatiebronnen. Er worden twee toepassingen genoem van fuzzy logic in de verkeerskunde, en een beschrijving van de B 27 snelweg waarvoor het bovengenoemd systeem bedoeld is. Aspecten redeneermechanisme. De aspecten van het redeneermechanisme worden volledig open gelaten. •

Kritische analyse

Motivatie aanpak. Met fuzzy logic is het makkelijker om met incorrecte of ontbrekende data om te gaan. Daarnaast is fuzzy logic geschikt om menselijke expert kennis te integreren. Andere argumenten voor het gebruik van fuzzy logic zijn: door de in en uitgang van een wegsectie te observeren, in plaats van alleen locaal, is er snellere incident detectie mogelijk; door dynamische toekenning van berichten aan displays wordt de acceptatie van de regeling vergroot. De vraag kan echter gesteld worden in hoeverre deze technieken fuzzy gerelateerd zijn. Is de toename (of afname) in de prestatie van het systeem realistisch en wordt de prestatie op adequate wijze bepaald? Er wordt alleen kwalitatieve verbetering verwacht. A.11

A Dynamic Traffic State Monitoring System for Freeway Management

Auteurs: Chi-Kuo Lin, Gang-Len Chang Bron: Intelligent Transportation: Realizing the Future, Abstract of the Third World Congress on Intelligent Transport Systems, Oriando, Florida, ITS America, 1996; proceedings available only on CD.


55/58

•


Probleemgebied bijdrage. Traffic state monitoring met fuzzy logic en neurale netwerken. Inhoud. In deze paper wordt een dynamische verkeerstoestand monitor voor incident management gepresenteerd. Het systeem bestaat uit drie modules: module 1 identificeert ongeregeldheden in het verkeer, module 2 detecteert en classificeert het incident, en module 3 maakt een voorspelling van de impact van het incident. Module 1 identificeert op statistische basis de ongeregeldheden, met gebruik van gemiddelden en standaardafwijkingen van occupancy, snelheid en volume. Deze module werkt continu. Als er een ongeregeldheid wordt waargenomen, wordt module 2 getriggerd voor verdere incident detectie en classificatie. Module 2 heeft een hiërarchische architectuur, eerst wordt getest of de ongeregeldheid te wijten is aan een incident (level 1). Zo ja, dan wordt bepaald welke van de vier stroken daarbij betrokken is (level 2), en wat de ernst van het incident is: stilstaand voertuig, een strook geblokkeerd, meerdere stroken geblokkeerd (level 3). Alleen deze module werk met fuzzy logic. Module 3 werkt op basis van een neuraal netwerk, die getraind wordt met een dataset die grootheden bevat die nodig zijn voor de voorspelling van de impact van een incident. Ter voorbereiding van deze dataset worden bepaalde test uitgevoerd op de dataset. Ten eerste wordt bepaald of een afwijking in de gemeten waarde (flow, occupancy, speed) significant is. Ten tweede wordt de duur (persistence) van de significante afwijking geclassificeerd (groter of kleiner dan 3 minuten). Ten derde wordt gekeken of de afwijking in de data niet door random verstoringen wordt veroorzaakt. Uiteindelijk wordt naar de consistentie met de aangrenzende segmenten gekeken. Als alle tests positief zijn, dan heeft het incident gevolgen voor het betreffende segment. Informatiebronnen. Er worden een aantal publicaties genoemd over incident detectie. Vergelijking. Er wordt geen vergelijking gemaakt met andere methoden. Er worden wel tabellen gegeven over de testresultaten van module 2, de fuzzy module. De overall detection rate van level 1 is 91 %, de false alarm rate 8% en de gemiddelde detectietijd is 2.63 minuten. Level 2 heeft een prestatie van 68%, en level 3 van 63%. Op de prestatie van het neuraal netwerk wordt minder uitvoerig ingegaan: ongeveer de helft van de gevallen voorspelt het systeem het effect van een incident 1.5 tijdsintervallen te vroeg, en in de andere helft 2.7 tijdsintervallen te laat. Aspecten redeneermechanisme. De fuzzy sets zijn bepaald op grond van een relationele database van verkeersdata. De paper gaat verder niet in op de internals van het fuzzy gedeelte. •

Kritische analyse

Motivatie aanpak. De fuzzy benadering is gekozen vanwege de complexiteit en de onzekerheid in de verkeersdata.


56/58

A.12

Knowledge-Based Expert System for Managing Congestion on Massachusets Tumpike

Auteurs: Arti Gupta, Victor J. Maslanka, Gary S. Spring Bron: Transportation Research Record (1358), 1992, pp.60-66 •


Probleemgebied bijdrage. Betoog voor toepassing expertsystemen voor management van niet-frequente congestie, incident detectie, verificatie en response. inhoud. In deze paper wordt de mogelijkheid om expertsystemen toe te passen in verkeerscentrales bestudeerd en wordt een voorstel gedaan om een dergelijk systeem te ontwikkelen voor incident management op Massachuset Tumpike. De grote hoeveelheid informatie die een verkeerscentrale binnenkomt maakt snelle en accurate reacties moeilijk. Daarom zijn menselijke experts die dit kunnen moeilijk te vinden en duur. Een expertsysteem kan dit probleem helpen oplossen doordat (1) grote hoeveelheden data snel kan worden gefilterd en alleen abnormale situatie worden gepresenteerd aan de manager; (2) het systeem consistent is: in dezelfde situatie is de reactie altijd hetzelfde, (3) het systeem met behulp van databases de manager met menus op het scherm door de nodige procedures heen leidt, (4) het systeem gebruikt kan worden voor training van managers. Het incident management proces kan in twee stukken worden verdeeld: het alarmeren van de spoedeisende diensten en het omleiden van het verkeer via de optimale routes. Het systeem bestaat dan ook uit twee delen, het expertsysteem en een FORTRAN module die dynamisch de optimale omleiding bepaalt. Informatiebronnen. Er worden enkele publicaties op het gebied van toepassingen van IVHS genoemd (oa. Ritchie & Prosser 1991) en een algemeen boek over het bouwen van expertsystemen (Hayes-Roth & Waterman 1983). Vergelijking. Er zijn meer dan 100 simulaties uitgevoerd om de omleidings algoritme te testen. De uitkomsten komen overeen met de optimalisatie doelen van het algoritme. Bijvoorbeeld, de rijlengte neemt toe met de duur van het incident. Real-life of simulatie. Het systeem is getest in een simulatieomgeving. Aspecten redeneermechanisme. Het redeneermechanisme van het expertsysteem is volledig gebaseerd op klassieke logica met IF-THEN regels. Als er aan bepaalde voorwaarden wordt voldaan, loop het systeem met de manageer een procedure door. •

Kritische analyse

Motivatie aanpak. Zie 'inhoud'. Prestatie. De voorbeelden die worden genoemd voor het omleidingsalgoritme zijn vrij voor de hand liggend, en zeggen niet erg veel over hoe optimaal het is. Generalisatie aanpak. Er wordt geen aandacht besteed aan de volgorde waarin de procedure wordt doorlopen. Zo vraagt het systeem in een voorbeeld eerst naar de verwachtte duur en pas daarna naar de brandgevaarlijkheid van de lading. (Waarna de brandweer eropuit wordt gestuurd.)


57/58

Benutting fuzzy resources. De beschikbare expert system tools en hardware zijn tegewoordig al veel verder ontwikkeld. A.13

Knowledge Acquisition, Representation, and Knowledge Base Development of Intelligent Traffic Evaluator for Prompt Incident Diagnosis

Auteurs: Somprasong Suttayamully, Fabian C. Hadipriono, Zoltan a. Nemeth Bron: Transportation Research Record (1497), 1995, pp. 101-111. •


Probleemgebied bijdrage. Ontwikkeling van een beslissingsondersteunend systeem voor incident managers. Inhoud. De ontwikkeling van INTREPID (INtelligent TRaffic Evaluation for Prompt Incident Diagnosis) is beschreven. Bij de ontwikkeling zijn de volgende stappen genomen: (1) Kennisacquisitie, inclusief literatuursearch en interviews met experts. (2) Kennisrepresentatie, ontwikkeling van een beslisboom. (3) Ontwikkeling van een knowledge base in een multimedia omgeving. Er zijn richtlijnen opgesteld om de juiste personen te interviewen. De personen moeten ervaring hebben met incident management of het bouwen van een IM (incident management) systeem, moeten beter presteren dan anderen en bereid zijn tot het einde van de ontwikkeling van het systeem te participeren. De kennisacquisitie is verdeeld in vier fasen; in de eerste fase werd de literatuurstudie uitgevoerd en kennis vergaard over IM strategien, huidige IM plannen en uitrusting nodig voor IM. In de tweede fase is er naar meer specifieke informatie gevraagd over type en aard van incidenten en protocollen voor het afhandelen van de incidenten. De kennis is in de IF-THEN vorm vastgelegd. In de derde fase zijn de conflicten tussen die regels opgelost, en uiteindelijk zijn in fase vier de regels in een kennisboom opgenomen. Voor het opbouwen van de kennisboom werd de Level5 Object taal gebruikt. Voor de classificatie van incidenten zijn verschillenden eigenschappen gebruikt, zoals klein of groot incident, urgent, brand, aantal geblokkeerde stroken en persoonlijke verwondingen. De kennis is gerepresenteerd in een beslisboom, waar de manager doorheen geleid wordt door het systeem. De user interface bevat ook een verklaringsfaciliteit en een interface voor externe bronnen. Informatiebronnen. Voor de kennisregels zijn experts geïnterviewd. Verder wordt er verwezen naar enkele publicaties over incident management en IVHS, en naar Level5 Object reference manuals. Aspecten redeneermechanisme. De beslisboom werkt met ja/nee beslissingen bij elke vertakking. •

Kritische analyse

Motivatie aanpak. De expertsysteem aanpak is gekozen omdat daardoor de respons op een incident snel, consistent en adequaat is, in tegenstelling tot de reactie van onervaren surveillerende agenten. Hierdoor kan congestie verminderen en kunnen de kosten afnemen.


58/58

Verkenning Fuzzy Decision Support Systeem

Recommend Documents