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