Система управления интеллектуальным светофором на основе нечеткой логики

Цель исследования. Разработка системы управления интеллектуальным светофором на основе нечеткой логики с возможностью корректировки временных интервалов сигналов светофора в зависимости от дорожной ситуации.

Методы. Определение входных переменных для нечеткой логической системы управления интеллектуальным светофором выполняется с помощью системы технического зрения. Предложенный способ управления устройством регулирования дорожным движением основан на системе нечеткого вывода и содержит несколько этапов: определение четких входных переменных, фаззификация значений входных переменных, агрегирование данных на основе нечетких правил, дефаззификация значений и определение вре-мени задержки разрешающего сигнала светофора.

Результаты. По предложенной нечеткой модели разработано устройство, имитирующее работу системы управления интеллектуальным светофором. Устройство собрано на базе контроллера Arduino Uno. Создана специализированная программная модель, которая была запатентована. Номер свидетельства о государ-ственной регистрации программы для ЭВМ «Программа для регулирования светофора на основе нечеткой логики» – 2021661796.

Заключение. Результаты экспериментальных исследований показали высокую эффективность работы интеллектуального светофора в суточном цикле. Программа успешно справляется с оценкой плотности потока автомобилей и пешеходов, пропорционально регулируя время работы ламп светофора. Доказано, что внедрение разработанной системы управления интеллектуальным светофором позволяет обеспечить безопасность и удобство дорожного движения для всех участников.

1. Яковенко Н.Ю., Ясенок С.Н., Нежельченко Е.В. Управление транспортными потоками. Белгород: Изд-во БелГАУ им. В.Я. Горина, 2020. 82 с.

2. Бобырь М.В., Милостная Н.А. Анализ использования мягких арифметических операций в структуре нечетко-логического вывода // Вестник компьютерных и информационных технологий. 2015. № 7 (133). С. 7-15.

3. Бачманов М.Д. Опыт применения современных детекторов транспорта в задачах управления транспортным потоком // Автомобиль. Дорога. Инфраструктура: журнал электронный. 2014. №2(2) декабрь.

4. Евстигнеев И.А. Основы создания интеллектуальных транспортных систем на автомобильных дорогах федерального значения России. М.: изд-во «Перо», 2016. 260 с.

5. Бобырь М.В., Кулабухов С.А. Моделирование процесса управления температурным режимом в зоне резания на основе нечеткой логики // Проблемы машиностроения и надежности машин. 2017. № 3. С. 76-82.

6. Киселёва Э.А., Краева А.А., Савинова Ю.С. Обзор нечеткой логики в управлении // Integral: Международный журнал прикладных наук и технологий. 2019. Т. 3

7. Bobyr M.V., Yakushev A.S., Dorodnykh A.A. Fuzzy devices for cooling the cutting tool of the CNC machine implemented on FPGA // Measurement: Journal of the International Measurement Confederation, 2020, 152, 107378. https://doi.org/10.1016/j.measurement.2019.107378

8. Bobyr M.V., Emelyanov S.G. A nonlinear method of learning neuro-fuzzy models for gynamic control systems // Applied Soft Computing. 2020. Т. 88. С. 106030.

9. Cihan Karakuzu, Osman Demirci, Fuzzy logic based smart traffic light simulator design and hardware Implementation // Applied Soft Computing. 2010. № 10. P. 66–73.

10. Ella Bingham. Reinforcement learning in neurofuzzy traffic signal control // European Journal of Operational Research. 2001. №131. P. 232–241.

11. C.-H. Chou, J.-C. Teng, A fuzzy logic controller for traffic junction signals // Information Sciences. 2002. №143. P. 73–97.

12. Титов В.С., Бобырь М.В., Милостная Н.А. АСУ прогнозированием точности обработки деталей // Автоматизация в промышленности. 2008. № 4. С. 3-4.

13. Усков А.А. Системы с нечеткими моделями объектов управления. Смоленск: СФРУК, 2013. 153 с.

14. Патент на полезную модель RU 27868 U1. Система автоматического управления следящими приводами оборудования с ЧПУ. 20.02.2003. Заявка № 2001129226/20 от 29.10.2001 / Титов В.С., Беседин А.В., Бобырь М.В.

15. Гридин В.Н., Титов В.С., Труфанов М.И. Адаптивные системы технического зрения. М.: Наука, 2009.

16. Бобырь М.В., Кулабухов С.А. Математическая модель для нового метода Дефаззификации в структуре нечеткого вывода // Мехатроника, автоматика и робототехника: сборник научных трудов международной научно-практической конференции. Новокузнецк, 2018. С. 218-220.

17. Бобырь М.В., С.А. Кулабухов Дефаззификация вывода из базы нечетких правил на основе метода разности площадей // Вестник компьютерных и информационных технологий. 2015. №9. С.32– 41.

18. Leekwijck W.V., Kerre E.E. Defuzzification: criteria and classification // Fuzzy Sets Syst. 1999. № 108. P. 159–178.

19. Piegat A. Fuzzy modelling and control. Physica-Verlag. Heidelberg. 2001. doi:10.1007/978-3-7908-1824-6

20. Vuong, P. T., Madni, A. M., Vuong, J. B. VHDL implementation for a fuzzy logic controller. In 2006 World Automation Congress, WAC’06. IEEE Computer Society (2006)

21. Arduino.ru: Официальный сайт Arduino в России [Электронный ресурс]. Загл. с экрана. URL: http://arduino.ru/, свободный.

22. Collotta M., Bello L.L., Pau G. A novel approach for dynamic traffic lights management based on Wireless Sensor Networks and multiple fuzzy logic controllers. Elsevier: Expert Systems with Applications. March 2015. P. 5403- 5415.

23. Olanrewaju O. M, Obiniyi A.A., Junaidy S. B. Fuzzy Logic Concept For Safety Driven Vehicle Pedestrian Traffic Interaction // International Journal of Computer Application (0995-8887). June 2017. Vol. 167. №1.