controle de semáforos por lógica fuzzy e redes neurais

Transcrição

ALEXANDRE ROBERTO RENTERÍA
CONTROLE DE SEMÁFOROS
POR LÓGICA FUZZY E REDES NEURAIS
Dissertação apresentada ao Departamento de
Engenharia Elétrica da PUC/Rio como parte
dos requisitos para a obtenção do título de
Mestre em Engenharia Elétrica : Sistemas de
Computação.
Orientadores: Ricardo Tanscheit
Marley M. B. R. Vellasco
Departamento de Engenharia Elétrica
Pontifícia Universidade Católica do Rio de Janeiro
Fevereiro de 2002
Dedicatória
à Danielle
Agradecimentos
• Ao Professor Moisés Szwarcman, pelo apoio;
• Aos meus orientadores Ricardo Tanscheit e Marley Vellasco;
• À minha família;
• À Trafficware, pelos softwares;
• À CET-Rio, pelos dados;
• Ao CNPq e à FAPERJ, pelo apoio financeiro;
RESUMO
Este trabalho apresenta a utilização de lógica fuzzy e de redes neurais no
desenvolvimento de um controlador de semáforos – o FUNNCON. O trabalho realizado
consiste em quatro etapas principais: estudo dos fundamentos de engenharia de tráfego;
definição de uma metodologia para a avaliação de cruzamentos sinalizados; definição do
modelo do controlador proposto; e implementação com dados reais em um estudo de caso.
O estudo sobre os fundamentos de engenharia de tráfego aborda a definição de termos,
os parâmetros utilizados na descrição dos fluxos de tráfego, os tipos de cruzamentos e seus
semáforos, os sistemas de controle de tráfego mais utilizados e as diversas medidas de
desempenho.
Para se efetuar a análise dos resultados do FUNNCON, é definida uma metodologia
para a avaliação de controladores. Apresenta-se, também, uma investigação sobre simuladores
de tráfego existentes, de modo a permitir a escolha do mais adequado para o presente estudo.
A definição do modelo do FUNNCON compreende uma descrição geral dos diversos
módulos que o compõem. Em seguida, cada um destes módulos é estudado separadamente: o
uso de redes neurais para a predição de tráfego futuro; a elaboração de um banco de cenários
ótimos através de um otimizador; e a criação de regras fuzzy a partir deste banco.
No estudo de caso, o FUNNCON é implementado com dados reais fornecidos pela
CET-Rio em um cruzamento do Rio de Janeiro e comparado com o controlador existente.
É constatado que redes neurais são capazes de fornecer bons resultados na predição do
tráfego futuro. Também pode ser observado que as regras fuzzy criadas a partir do banco de
cenários ótimos proporcionam um controle efetivo do tráfego no cruzamento estudado. Uma
comparação entre o desempenho do FUNNCON e o do sistema atualmente em operação é
amplamente favorável ao primeiro.
ABSTRACT
This work presents the use of fuzzy logic and neural networks in the development of a
traffic signal controller – FUNNCON. The work consists of four main sections: study of
traffic engineering fundamentals; definition of a methodology for evaluation of traffic
controls; definition of the proposed controller model; and implementation on a case study
using real data.
The study of traffic engineering fundamentals considers definitions of terms,
parameters used for traffic flow description, types of intersections and their traffic signals,
commonly used traffic control systems and performance measures.
In order to analyse the results provided by FUNNCON, a methodology for the
evaluation of controllers is defined. The existing traffic simulators are investigated, in order to
select the best one for the present study.
The definition of the FUNNCON model includes a brief description of its modules.
Thereafter each module is studied separately: the use of neural networks for future traffic
prediction; the setup of a best scenario database using an optimizer; and the extraction of
fuzzy rules from this database.
In the case study, FUNNCON is implemented with real data supplied by CET-Rio
from an intersection in Rio de Janeiro; its performance is compared with that of the existing
controller.
It can be observed that neural networks can present good results in the prediction of
future traffic and that the fuzzy rules created from the best scenario database lead to an
effective traffic control at the considered intersection. When compared with the system in
operation, FUNNCON reveals itself much superior.
ÍNDICE
LISTA DE FIGURAS ......................................................................................... I
LISTA DE TABELAS .......................................................................................II
1 INTRODUÇÃO .............................................................................................1
1.1
1.2
1.3
1.4
MOTIVAÇÃO...............................................................................................................1
OBJETIVOS DO TRABALHO ....................................................................................1
DESCRIÇÃO DO TRABALHO ...................................................................................1
ORGANIZAÇÃO DA DISSERTAÇÃO ......................................................................2
2 SISTEMAS DE CONTROLE DE TRÁFEGO ...........................................3
2.1
2.2
2.3
2.4
2.5
2.6
HISTÓRICO..................................................................................................................3
FUNDAMENTOS DE ENGENHARIA DE TRÁFEGO..............................................3
DESCRIÇÃO DOS TIPOS DE CRUZAMENTO ........................................................7
MEDIDAS DE DESEMPENHO DE CRUZAMENTOS CONTROLADOS.............13
SISTEMAS DE CONTROLE DE TRÁFEGO EM USO ...........................................15
DISCUSSÃO...............................................................................................................18
3 METODOLOGIA PARA A AVALIAÇÃO DE UM SISTEMA DE
CONTROLE DE TRÁFEGO ADAPTATIVO ..............................................22
3.1
3.2
3.3
METODOLOGIA........................................................................................................22
SIMULADORES.........................................................................................................23
SIMULADOR UTILIZADO.......................................................................................25
4 SISTEMA DE CONTROLE DE TRÁFEGO FUNNCON ......................27
4.1
4.2
4.3
4.4
CONSTRUÇÃO E ELABORAÇÃO DO SISTEMA .................................................27
MÓDULO DE PREVISÃO DE TRÁFEGO FUTURO ..............................................31
MÓDULO BANCO DE CENÁRIOS ÓTIMOS.........................................................33
MÓDULO FUZZY......................................................................................................34
5 ESTUDO DE CASO....................................................................................38
5.1
5.2
5.3
5.4
5.5
5.6
LAYOUT DO CRUZAMENTO .................................................................................38
DADOS .......................................................................................................................40
IMPLEMENTAÇÃO DO FUNNCON .......................................................................43
RESULTADOS COM O CONTROLE FIXO ............................................................52
RESULTADOS DO FUNNCON ................................................................................50
COMPARAÇÃO.........................................................................................................55
6 CONCLUSÃO E TRABALHOS FUTUROS ...........................................56
6.1
6.2
CONCLUSÕES...........................................................................................................56
TRABALHOS FUTUROS..........................................................................................56
REFERÊNCIAS BIBLIOGRÁFICAS............................................................57
LISTA DE FIGURAS
Figura 2-1 – Relação entre volume e densidade .........................................................................7
Figura 2-2 – Geometria de um cruzamento, plano de fases com 2 fases..................................12
Figura 2-5 – Simbologia dos planos de fases ...........................................................................13
Figura 2-6 – Ilustração de medidas de atraso ...........................................................................15
Figura 4-1 – Controlador em malha aberta ...............................................................................28
Figura 4-2 – Controlador de malha fechada .............................................................................28
Figura 4-3 – Diagrama do FUNNCON com seus três módulos ...............................................30
Figura 4-4 – Predição do tráfego futuro com uma rede neural.................................................31
Figura 4-5 – Entradas de uma rede neural para séries temporais .............................................32
Figura 4-6 – Sistema de inferência fuzzy .................................................................................34
Figura 4-7 – Divisão dos domínios de entrada e saída em regiões fuzzy.................................36
Figura 5-1 – Layout do cruzamento..........................................................................................38
Figura 5-2 – Layout do cruzamento de 3 vias ..........................................................................39
Figura 5-3 – Conjunto de fases do cruzamento ........................................................................39
Figura 5-4 – Imagem da fita de vídeo fornecida pela CET-Rio ...............................................40
Figura 5-5 – Imagem da fita de vídeo sob chuva......................................................................41
Figura 5-6 – Volume previsto na Via 01 ..................................................................................44
Figura 5-9 – Etapas da otimização pelo Synchro: (a) desenho, (b) sentidos e volumes, (c)
otimização ..........................................................................................................................47
Figura 5-10 – Conjuntos e funções de pertinência das variáveis de entrada e saída para a
determinação da duração do ciclo ......................................................................................49
Figura 5-11 – Simulação no SimTraffic ...................................................................................51
I
LISTA DE TABELAS
Tabela 2-1 – Níveis de controle de cruzamento .........................................................................8
Tabela 2-2 – Característica das Estratégias de Controle do UTCS [5].....................................17
Tabela 2-3 – Comparação de Sistemas de Controle de Tráfego [6] .........................................18
Tabela 2-4 – Benefícios Diversos Sistemas de Controle de Tráfego .......................................19
Tabela 2-5 – Comparação de Resultados de Estratégias do UTCS [5] ....................................20
Tabela 3-1 – Principais Características dos Simuladores de Tráfego.......................................25
Tabela 5-1 – Volumes durante os dias e horários de estudo (número de veículos a cada 15
minutos)..............................................................................................................................42
Tabela 5-2 – Validação cruzada da Via 02 ...............................................................................43
Tabela 5-3 – Número de neurônios na camada escondida e número de épocas de treinamento
............................................................................................................................................44
Tabela 5-4 – Avaliação das predições nas três vias ..................................................................46
Tabela 5-5 – Volumes previstos, durações de ciclo e durações da fase 1 gerados pelo
FUNNCON ........................................................................................................................50
Tabela 5-6 - Medidas de eficiência do FUNNCON de 6:15hs às 10:00hs ...............................51
Tabela 5-7 – Programação semafórica e planos de fases da CET-Rio para uma quinta-feira
entre 6 e 10hs .....................................................................................................................52
Tabela 5-8 – Medidas de eficiência do controle fixo da CET-Rio de 6:15hs às 10:00hs.........53
Tabela 5-9 – Programação semafórica e planos de fases do FUNNCON-f..............................54
Tabela 5-10 – Medidas de eficiência do FUNNCON-f de 6:15hs às 10:00hs..........................54
Tabela 5-11 – Comparação do FUNNCON e do FUNNCON-f com o controle fixo da CETRio ......................................................................................................................................55
II
1
1.1
INTRODUÇÃO
MOTIVAÇÃO
Devido ao grande fluxo de pessoas e de bens que trafegam pelas ruas das grandes
cidades, engarrafamentos, acidentes e poluição do ar vêm se constituindo em umas das
principais preocupações das sociedades modernas. Na tentativa de amenizar esses problemas,
semáforos são empregados no controle de tráfego de vias urbanas. Porém, estes usualmente
não possuem sistemas computadorizados que os auxiliem em suas decisões, ou, quando estes
sistemas existem, eles são frequentemente ineficientes.
Nos últimos anos, tem sido cada vez mais comum o emprego de métodos
“inteligentes”, tais como lógica fuzzy e redes neurais, no desenvolvimento
de sistemas
eficientes de controle de semáforos.
É importante salientar que, embora o bom funcionamento de um cruzamento não
garanta que todos os semáforos de um conjunto de cruzamentos estejam operando
eficientemente, o conjunto não pode ser eficiente sem que cada cruzamento o seja. Desta
forma, neste trabalho será abordado o controle de um único cruzamento, embora complexo.
1.2
OBJETIVOS DO TRABALHO
Os objetivos principais deste trabalho são a utilização de redes neurais para a predição
de tráfego futuro nas vias de um cruzamento e a criação de regras fuzzy, juntamente com um
sistema de inferência para o controle dos semáforos; para que no final um controle de tráfego
seja implementado.
1.3
DESCRIÇÃO DO TRABALHO
O trabalho realizado é constituído nas seguintes etapas: estudo dos fundamentos da
engenharia de tráfego e dos controles existentes; definição de uma metodologia para a
avaliação de cruzamentos sinalizados; definição do modelo do controlador proposto; e
implementação com dados reais em um estudo de caso.
1
Para melhor entender o tráfego de veículos e o controle de semáforos, são
apresentados inicialmente os fundamentos da engenharia de tráfego, tais como as definições
dos termos, os parâmetros utilizados na descrição dos fluxos de tráfego, os tipos de
cruzamentos e seus semáforos. Também são descritos os sistemas de controle mais
frequentemente utilizados e como seus desempenhos são medidos.
Em seguida é apresentada uma metodologia para a avaliação de controladores.
Apresenta-se, também, uma investigação sobre simuladores de tráfego existentes, de modo a
permitir a escolha do mais adequado para o presente estudo.
Uma vez concluídas as etapas acima, a elaboração do controlador é apresentada. Cada
módulo é estudado separadamente: o uso de redes neurais para a predição de tráfego futuro; a
elaboração de um banco de cenário ótimos através de um otimizador; e a criação de regras
fuzzy a partir deste banco.
Enfim, o sistema proposto é implementado com dados reais fornecidos pela CET-Rio
em um cruzamento do Rio de Janeiro e comparado com o controlador existente.
1.4
ORGANIZAÇÃO DA DISSERTAÇÃO
Esta dissertação está dividida em cinco capítulos adicionais, organizados da seguinte
maneira:
O capítulo 2 trata dos fundamentos da engenharia de tráfego e dos sistemas de controle
existentes.
O capítulo 3 descreve a metodologia empregada para a avaliação de controladores de
semáforos, assim como apresenta diversos simuladores de tráfego e o simulador escolhido
para este estudo.
O capítulo 4 expõe a elaboração do modelo do controlador proposto e detalha os seus
módulos.
No capítulo 5 é apresentado um estudo de caso. Também são efetuadas simulações,
comparando-se os resultados obtidos pelo controlador desenvolvido com os proporcionados
pelo sistema atualmente em operação.
Finalmente, apresentam-se no capítulo 6 as conclusões e sugestões para trabalhos
futuros.
2
2
2.1
SISTEMAS DE CONTROLE DE TRÁFEGO
HISTÓRICO
Os primeiros sinais de trânsito da América do Norte foram instalados em Cleveland
em 1914. O primeiro semáforo coordenado eletronicamente apareceu em 1917 em Salt Lake
City; em 1928, grandes cidades tais como Nova Iorque haviam instalados vários semáforos.
Em 1952, engenheiros de Denver utilizaram computadores analógicos com amostradores para
a seleção, a partir de um conjunto de soluções, do melhor plano de tempo para os sinais.
Entre o primeiro sinal de trânsito em Cleveland e os anos 50, o dispositivo
predominante para controladores de tráfego isolados ou interconectados era o controlador
eletromecânico pré-ajustado. Durante os anos 50 e 60, muitas cidades americanas instalaram
Sistemas de Controle de Tráfego Urbano (UTCS – Urban Traffic Control System) que
consistiam de conjuntos de semáforo eletromecânicos interconectados.
Os avanços na eletrônica e a disponibilidade comercial destes novos componentes, a
partir da metade da década de 60, abriram a porta para muitos avanços nos equipamentos para
controle de tráfego. Computadores digitais foram pela primeira vez utilizados em controle de
tráfego em Toronto (Canadá), em 1963. Empregando-se transistores de baixíssimo custo,
antes reservados para aplicações militares, produtos para controle de tráfego com maiores
recursos foram lançados no mercado. Os controladores eletromecânicos foram substituídos
por componentes em estado sólido, resultando em sistemas requerendo menos manutenção.
Os microprocessadores e os circuitos integrados criaram a possibilidade do desenvolvimento
de controladores menos dispendiosos.
De forma geral, os avanços no controle de sinais de trânsito desde a metade da década
de 60 têm melhorado os equipamentos mas afetando pouco a lógica de controle.
2.2
FUNDAMENTOS DE ENGENHARIA DE TRÁFEGO
A engenharia de transportes é definida pelo Instituto de Engenheiros de Transportes
(ITE) como a aplicação de tecnologia e princípios científicos no planejamento, desenho
funcional, operação e administração de meios de transporte (para qualquer tipo de transporte)
3
com o objetivo de providenciar a segurança, rapidez, conforto, conveniência, economia, e
compatibilidade com o meio ambiente no movimento de pessoas e bens [1].
A engenharia de tráfego é definida pelo ITE como a área da engenharia de transportes
que lida com o planejamento, o desenho geométrico e a operação de tráfego em estradas, ruas
e rodovias, suas redes, terminais e áreas próximas, e o relacionamento com outros meios de
transporte [1].
Utilizando esta definição, os sistemas de tráfego têm como componentes vitais:
§
motoristas
§
veículos
§
estradas e rodovias
§
o meio ambiente
§
dispositivos de controle
Estes componentes interagem entre si para formar fluxos de tráfego. Estes, por sua
vez, são descritos por parâmetros que se dividem em duas categorias distintas: os parâmetros
macroscópicos, que caracterizam o fluxo de tráfego como um todo; e os parâmetros
microscópicos, que caracterizam o comportamento individual dos veículos no fluxo de tráfego
em sua interação com os outros veículos presentes [2].
Ao todo, existem três parâmetros macroscópicos: volume, velocidade e densidade [3].
- Volume
É o número de carros que passam por uma via ou faixa durante um intervalo de tempo.
A unidade é simplesmente “veículos”, porém é frequentemente representada como veículos
por unidade de tempo.
- Velocidade e Tempo de Viagem
Em um fluxo de tráfego, os diversos carros trafegam em diversas velocidades. Logo,
de uma distribuição discreta de velocidade de veículos, passa-se para uma média que
caracteriza o fluxo de tráfego como um todo. Por isso, velocidades médias podem ser
computadas de duas maneiras distintas:
4
§
Velocidade Média Temporal (TMS): é a velocidade média de todos os veículos
passando pelo mesmo ponto da via durante um intervalo de tempo.
Ex: quando se está no alto do prédio e se mede a velocidade com que os carros
passam por um ponto A, a média destas medidas é a velocidade média temporal.
§
Velocidade Média Espacial (SMS): é a velocidade média de todos os veículos
ocupando uma seção de estrada em um intervalo de tempo.
Ex: do alto de um prédio, duas fotografias são tiradas em um intervalo de 1
segundo. Anotam-se todos os ∆i percorridos pelos veículos entre as duas fotos, e
estima-se a velocidade média de cada um ∆i / 1 sec, e computa-se a média. Esta é
a velocidade média espacial.
TMS =
SMS =
1
d
∑
n
ti
d
t
∑ ni
(1)
=n
d
∑t
(2)
i
onde: d = distância percorrida
n = número de tempos de viagem observados
ti = tempo de viagem do i-ésimo veículo
Razões para se preocupar com esta diferença de medidas:
1. para evitar erros sistemáticos,
2. para que a velocidade média medida não passe de uma para a outra quando a tecnologia
de aquisição é trocada.
§
Tempo de Viagem: é o tempo total para a travessia de um determinado segmento
de estrada.
- Densidade
É o número de veículos ocupando um determinado pedaço de via (ou faixa), e é
geralmente expresso como veículos por quilometro (vpk) ou veículos por quilometro por faixa
(vpkpf).
5
Devido à dificuldade de medição, usa-se a fórmula:
V =S×D
onde
⇒
D=
V
S
(3)
D = densidade
V = volume
S = velocidade (velocidade média espacial)
É importante ressaltar que este é o mais importante dos três parâmetros pois:
§
é a partir da densidade que o volume e a velocidade são estabelecidos
§
ela informa sobre a distância entre os veículos
Existem também dois parâmetros microscópicos: distanciamento (spacing) e headway.
- Distanciamento
É a distância entre dois veículos sucessivos em uma mesma faixa. Ela deve ser medida
em relação a um ponto comum dos veículos (para-choque, eixos...)
- Headway
É o tempo percorrido entre dois veículos sucessivos em uma mesma faixa. Também
deve ser medido em relação a um ponto comum dos veículos.
Uma vez definidos todos estes parâmetros, varias relações podem ser estabelecidas
entre eles. Uma relação muito importante é a existente entre o volume e a densidade de
tráfego (equação 3): o volume é igual ao produto da velocidade e da densidade. A Figura 2-1
ilustra a forma genérica desta relação.
6
Volume
Capacidade
A
X
X
B
Densidade de
engarrafamento
Densidade
Figura 2-1 – Relação entre volume e densidade
Deste diagrama é importante notar que um mesmo volume ocorre para duas situações
distintas (pontos A e B), além disso o volume é nulo nas seguintes situações:
§
densidade nula, que é chamado de fluxo livre pois é virtualmente a velocidade
máxima de um veículo que a via permite;
§
densidade máxima, que é chamada de densidade de engarrafamento, e neste caso
todos os veículos estão parados, portanto o volume é nulo.
O diagrama também mostra que o volume atinge um máximo que é chamado de
capacidade da via.
Conclui-se que, como um mesmo volume pode ocorrer para duas situações distintas, o
volume não pode ser utilizado na descrição das condições de tráfego. É a velocidade e a
densidade que devem ser utilizados.
2.3
DESCRIÇÃO DOS TIPOS DE CRUZAMENTO
As localizações mais complexas de qualquer sistema de ruas e rodovias são os
cruzamentos. Neles, os fluxos veiculares de diversas direções que possuem movimentos de
virar à esquerda, à direita ou seguir em frente procuram ocupar o mesmo espaço físico.
Somando-se a estes fluxos veiculares, pedestres também tentam utilizar este espaço para
7
atravessar a rua. Em nenhum outro lugar de um sistema de ruas e rodovias existem tantos
conflitos potencias e reais presentes. Para administrar estes conflitos, três níveis de controle
podem ser providenciados nos cruzamentos: regras básicas de prioridade em estradas,
controle com sinais de PARE ou PREFERÊNCIA, e os semáforos, conforme ilustrado na
Tabela 2-1. A análise de qual destes é o mais apropriado para uma dada situação é uma das
mais importantes tarefas do engenheiro de tráfego, e frequentemente uma das mais percebidas
pela população.
OPÇÕES DE CONTROLE DE CRUZAMENTO
Que julgamento os motoristas podem executar com segurança para evitar colisões?
Três níveis de controle estão disponíveis:
Nível I
Controle Passivo – aplicação das regras básicas de prioridade em estradas
§ Não há controle
§ Somente sinais de aviso
§ Sinais de alerta
Nível II
Designação de direito-de-travessia para a via principal
§ Controle por PREFERÊNCIA
§ Controle por PARE em uma via
§ Controle por PARE em todas as vias
Nível III
Designação de direito-de-travessia alternado
§ Semáforos
§ Policias de trânsito
Tabela 2-1 – Níveis de controle de cruzamento
É importante ressaltar que, embora os controles ativos de cruzamento sejam placas de
PREFERÊNCIA e de PARE e os semáforos, qualquer outro tipo de comunicação com o
motorista também afeta o controle do cruzamento. Esta comunicação pode ser feita através
de:
§
cores, como por exemplo o vermelho da placa de PARE;
§
padrões, como por exemplo as linhas contínuas ou tracejadas na ruas e estradas;
8
§
formato da placa de sinalização, como por exemplo as placas de PARE são
quadradas, as de PREFERÊNCIA são triangulares, e as de limite de velocidade
são redondas;
§
texto, como por exemplo os avisos da qualidade do tráfego.
Os sinais de trânsito são dispositivos complexos que podem ser operados de diversas
maneiras. Por isso, um número de termos e definições serão apresentadas para a melhor
compreensão deste trabalho.
- Ciclo
Um ciclo de um sinal é a rotação completa por todas as indicações possíveis.
Geralmente, cada movimento de veículos permitido recebe um “verde” uma vez a cada ciclo;
contudo existem algumas exceções para esta regra.
- Duração do ciclo
É o tempo necessário (em segundos) para a execução completa de um ciclo. É
denotada pela letra ‘C’.
- Estágio
Um estágio é o período durante o qual nenhuma luz de um cruzamento sinalizado
muda. Em qualquer cruzamento, existem vários estágios em um ciclo, sendo eles:
§
estágio de mudança: corresponde à indicação “amarelo” para um dado
movimento. Cada movimento do cruzamento recebe este estágio entre o “verde” e
o “vermelho”.
§
estágio de desobstrução: é o “vermelho total” para um determinado movimento.
Após cada estágio de mudança, há um período durante o qual todos os sinais do
cruzamento ficam vermelhos. Este estágio tem como finalidade permitir que os
carros que passaram pelo semáforo enquanto este estava amarelo atravessem
completamente o cruzamento, garantindo desta forma que o cruzamento esteja
livre para o fluxo de outra via. A soma dos estágios de mudança e de desobstrução
(“amarelo” + “vermelho total”) é denotada pela letra Yi.
9
§
estágio verde: é a indicação de “verde” para um movimento, e é simbolizado pela
letra Gi.
§
estágio vermelho: é a indicação de “vermelho” para um movimento, e é
simbolizado pela letra Ri.
É importante perceber que os estágios de um movimento podem coincidir com os
estágios de outros movimentos. Os estágios verde, de mudança e de desobstrução para um
movimento correspondem ao estágio vermelho para os outros movimentos.
- Fase
É o estágio verde mais os estágios de mudança e de desobstrução que o seguem. Isto
corresponde ao conjunto de estágios que permite que um movimento flua e seja parado com
segurança antes do início de outro movimento.
- Retardo
O retardo (offset) entre sinais de trânsito sucessivos corresponde à diferença de tempo
entre o início da fase verde no cruzamento a montante (upstream) e o início da fase verde em
um cruzamento a jusante (downstream). As fases dos sinais são “sincronizadas” para que, em
condições de tráfego livre, os veículos atravessem os cruzamentos sem que sejam parados.
Sinais de trânsito que operam desta maneira estão coordenados.
Considerando-se um único cruzamento, os semáforos podem ser classificados de
acordo com o grau de flexibilidade em se ajustar às condições de tráfego, variando a duração
do ciclo e/ou a duração de cada fase [4]. Normalmente esta classificação é:
- Controle Pré-Temporizado
O controlador principal determina as fases e a duração do ciclo baseado em valores
pré-determinados. Estes valores pré-determinados são obtidos através de dados estatísticos.
- Controle Atuado
Um controlador atuado tem sua operação baseada na demanda do tráfego que é
informada por detectores de veículos e/ou pedestres. Existem vários tipos de controladores
10
atuados, mas a sua característica principal é a habilidade de adaptar as durações das fases em
função das condições do tráfego. Se não há veículos em uma das vias, o controlador pode
pular esta fase. O tempo de verde de cada via é uma função do fluxo de tráfego, e pode variar
entre durações mínima e máxima, dependendo do fluxo.
§
Controle Semi-Atuado: ele pode atuar em todas as fases exceto na fase principal.
Um verde contínuo é mantido na via principal exceto quando uma demanda é
registrada em uma das vias secundárias. O direito de passagem sempre retorna à
via principal quando não há veículos presentes nas vias secundárias ou um tempo
limite é alcançado. A operação semi-atuada é mais indicada para localidades com
baixo volume de tráfego nas vias secundárias. Também pode ser utilizado para
permitir que pedestres atravessem no meio da rua.
§
Controle Totalmente Atuado: a função do controlador é de medir o fluxo de
tráfego em todas as vias de um cruzamento e designar o direito de passagem de
acordo com a demanda de tráfego. Controladores totalmente atuados requerem a
instalação de detectores em todas as vias de um cruzamento. A habilidade do
controlador de responder ao fluxo de tráfego tem a sua eficiência máxima em
cruzamentos isolados.
- Controle Modo Sensível ao Tráfego (ou Adaptativo)
Neste modo, o sistema responde às entradas que refletem as condições atuais do
tráfego. As entradas incluem:
§
Predição de Tráfego Futuro: o sistema de controle utiliza os dados sobre volume
fornecidos pelos detectores e projeta as condições futuras.
§
Atuado por Veículo: utiliza dados de detectores de presença e modifica a quebra
de fases baseando-se na presença e separação dos veículos. Este procedimento é
referente ao tráfego atual e não depende das projeções de tráfego.
§
Reconhecimento de Padrões: os dados sobre volume e ocupação do sistema são
suavizados e ponderados e em seguida comparados com perfis armazenados em
memória. Isto possibilita a identificação do perfil armazenado que mais se
assemelha com as condições do tráfego atual. Quando um padrão é identificado,
parâmetros apropriados são colocados em operação.
11
Finalmente, o plano de fases deve ser consistente com a geometria do cruzamento, o
uso de cada faixa, os volumes e as velocidades, e a necessidade de travessia de pedestres.
Alguns exemplos de planos de fases são apresentados nas Figura 2-2, Figura 2-3 e Figura 2-4,
e a simbologia utilizada está descrita na Figura 2-5.
Fase A
Fase B
Figura 2-2 – Geometria de um cruzamento, plano de fases com 2 fases
Fase A
Fase B
12
Fase C
Fase A
Fase B
Fase C
Fase D
Tráfego em
Movimento
Virar a Direita
Virar a Esquerda
Tráfego Parado
Figura 2-5 – Simbologia dos planos de fases
2.4
MEDIDAS DE DESEMPENHO DE CRUZAMENTOS
CONTROLADOS
Como os cruzamentos sinalizados são basicamente pontos ou nós contidos em
um sistema de rodovias e ruas, a definição de medidas de eficiência para descrever a
qualidade de operação é mais difícil do que em vias de fluxo contínuo.
Tradicionalmente, medidas são utilizadas na análise da capacidade e em modelos de
simulação, sendo que todas quantificam algum aspecto da experiência da travessia de
um cruzamento sinalizado do ponto de vista do motorista. As mais comuns são:
§
atraso
§
filas
§
paradas
O atraso é a medida mais diretamente relacionada com a sensação do
motorista, visto que ele descreve a quantidade de tempo consumida na travessia do
13
cruzamento. O atraso, todavia, pode ser quantificado de várias maneiras diferentes. Os
tipos de atraso mais frequentemente utilizados estão definidos abaixo:
- Atraso parado
É o tempo durante o qual o veículo fica totalmente parado enquanto espera
para atravessar o cruzamento. Logo este atraso começa quando o veículo pára
completamente e termina quando ele começa a acelerar.
- Atraso de aproximação
Inclui o atraso parado, mas também inclui o tempo de desaceleração e o tempo
de aceleração até o retorno à velocidade original em que trafegava.
- Atraso no tempo de viagem
É definido como a diferença entre o tempo total desejado pelo motorista para
atravessar o cruzamento e o tempo que realmente levou a travessia.
- Atraso na fila
É o tempo total contado a partir do veículo alcançar o final da fila até ele
atravessar o cruzamento.
As medidas de atrasos parado, de aproximação e no tempo de viagem estão
exemplificados na Figura 2-6.
Estas medidas de atraso podem ser bastantes diferentes, dependendo das
condições do cruzamento sinalizado em questão.
As medidas de atraso também podem ser apresentadas sob forma agregada ou
sob forma de média por veículo. O atraso agregado é apresentado como o total de
horas-veículo de atraso sofrido por todos os veículos que atravessaram o cruzamento
durante um determinado intervalo de tempo. O atraso médio individual é definido em
termos de segundos/veículo de atraso, novamente para um determinado intervalo de
tempo.
Atraso é a medida de eficiência mais frequentemente utilizada para
cruzamentos sinalizados. Contudo, outras medidas também são úteis: o tamanho da
fila em um determinado instante (denotado QT) é crítico para a determinação de
quando um cruzamento vai começar a impedir o “descarregamento” ou movimento de
14
uma via que fica a montante (upstream); o número de paradas efetuadas (denotado
NS) é um parâmetro importante para os modelos de qualidade de ar.
Distância
D1 =
Atraso
Parado
D2 =
Atraso de
Aproximação
D3 =
Atraso no
Tempo de
Viagem
Trajeto
Desejado
D2
D3
Trajeto
Real
D1
Tempo
Figura 2-6 – Ilustração de medidas de atraso
Nos últimos anos, é cada vez mais frequente o uso de duas outras medidas de
eficiência dos controles de cruzamentos: o consumo de combustível (em litros e US$),
e a emissão de gases poluentes tais como CO, NOx e HC.
2.5
SISTEMAS DE CONTROLE DE TRÁFEGO EM USO
Após a introdução de sinais de controle de tráfego computadorizados em
meados dos anos 60, vários projetos de pesquisa se concentraram no desenvolvimento
de estratégias de controle mais sensíveis e avançadas. Um dos estudos mais completos
foi o Sistema de Controle de Tráfego Urbano (UTCS) gerenciado pelo Federal
Highway Administration (EUA) [5]. Avanços significativos em controles mais
sensíveis foram obtidos durante os anos 80 com a introdução do SCOOT no Reino
Unido [5] e do SCATS na Australia [5]. Na América do Norte o UTCS é o sistema de
controle de sinais de trânsito mais empregado. SCOOT e SCATS ganharam
popularidade na Australia, Europa e Ásia, e, mais recentemente, na América do Norte.
15
Alguns dos sistemas e softwares de controle de sinais de trânsito mais comuns são
apresentados abaixo:
- Traffic Network Study Tool (TRANSYT)
Um dos programas de temporização de semáforos mais utilizado é o
TRANSYST. A versão original do TRANSYT foi desenvolvida pelo Transportation
and Road Research Laboratory na Inglaterra em 1968. O modelo necessita dos fluxos
nas vias e a proporção de conversão1 nas vias como entradas e considera que são
constantes durante todo o período de simulação. O TRANSYT simula as condições do
tráfego para a duração de um ciclo completo, e estas condições são consideradas
constantes para todos os outros ciclos. A heurística do TRANSYT tem provido um
bom equilíbrio entre acurácia e eficiência nos últimos 30 anos. Desde o seu
desenvolvimento, versões adaptadas aos EUA foram lançadas com o título de
TRANSYT-7F. Este último é capaz de avaliar uma rede coordenada de até 50
cruzamentos com até 250 vias.
- Urban Traffic Control Systems (UTCS)
UTCS é um sistema de controle de tráfego centralizado que controla todos os
cruzamentos de um sistema com planos de fase fixos ou variáveis. Dados históricos
baseados na hora do dia e no dia da semana são freqüentemente a base do plano. As
estratégias de controle do UTCS são categorizadas em três gerações, e estão
resumidas na Tabela 2-2.
- Split Cycle and Offset Optimization Technique (SCOOT)
SCOOT é o modelo de controle de tráfego computadorizado centralizado
desenvolvido no Transportation and Road Research Laboratory (Inglaterra).
Diferentemente do TRANSYST que é somente um programa, o SCOOT é um sistema
completo de controle de tráfego. Ele é um melhoramento em relação à primeira
geração de UTCS e fornece um controle de tráfego adaptativo em tempo real. SCOOT
utiliza detectores para medir o fluxo de tráfego em tempo real, e, fazendo uso de
tempos de viagem pré-determinados e do grau de saturação (razão fluxo/capacidade),
prediz as filas nas interseções. O modelo de tráfego do SCOOT é baseado em um
1
fração de veículos que viram à direita ou à esquerda
16
modelo de fila, logo, não considera o efeito de engarrafamentos nos cruzamentos a
jusante (downstream) na sua saída. Este modelo funciona bastante bem enquanto a
rede não estiver congestionada. Porém, ele falha na modelagem do efeito de um
engarrafamento durante o refluxo (spillback) da fila.
ATRIBUTOS
Intervalo de
Atualização
Geração do
Plano de
Controle
Predição de
Tráfego
Determinação da
Duração do Ciclo
1a Geração de Controle
(1-GC)
15 min
2a Geração de
Controle (2-GC)
5-10 min
3a Geração de
Controle (3-GC)
3-5 min
Otimização On-line
Otimização On-line
Nenhuma
Baseada em histórico
Fixa para cada seção de
cruzamentos
Fixa dentro de um
grupo variável de
cruzamentos
Valores atuais
suavizados
Variável em tempo e
espaço.
Predeterminado para
um período de
controle
Otimização Off-line. Seleção
dentro de uma biblioteca em
função da hora do dia, do
tráfego, ou modo manual
Tabela 2-2 – Característica das Estratégias de Controle do UTCS [5]
- Distributed Intelligence Traffic Control System (DITCS)
DITCS é o sistema de controle no qual os controladores de interseção usam
planos de fase, mas podem ajustar dinamicamente as quebras de fase para satisfazer as
condições de tráfego no nível do controlador. DITCS são sistemas de malha fechada
fornecendo controle de tráfego adaptativo em tempo real. Alguns dos DITCS mais
conhecidos são o Sydney Coordinated Traffic Adaptative System (SCATS) e
TracoNet:
§
SCATS – É um sistema de controle dinâmico com uma arquitetura
descentralizada. Ele atualiza a duração do ciclo utilizando os detectores
posicionados nas faixas de pedestres.
§
TracoNet – Também tem uma arquitetura descentralizada, e possui
algoritmos sensíveis ao tráfego baseados em reconhecimento de padrões.
- Real-Time Traffic Adaptative Signal Control System (RT-TRACS)
Em 1991 a Federal Highway Administration solicitou propostas para o
desenvolvimento de um controlador adaptivo de sinais de trânsito em tempo real
chamado de RT-TRACS. O requisito principal deste sistema é administrar
17
eficientemente e responder às variações rápidas das condições do tráfego. O RTTRACS está atualmente em estado de prototipagem.
A Tabela 2-3 apresenta a comparação entre os sistemas de controle de tráfego
UTCS, SCOOT, SCATS e TracoNet.
Controle
Offsets
Resposta
ao Tráfego
Custo de
Software e
Instalação
(master)
($1994)
Contato
UTCS
Central
Predeterminado
Encaixe (Matching)
de planos utilizando
detectores
SCOOT
Central
Dinâmico
Algoritmo de
projeção de tráfego
utilizando
detectores
SCATS
Distribuído
Predeterminado
Ajuste da quebra de
fase para o tráfego
atual utilizando
detectores de grau
de utilização
TracoNet
Distribuído
Predeterminado
Reconhecimento de
padrões utilizando
detectores
$100.000
$350.000
$130.000
$8.000
Honeywell, Spery,
etc.
TRRL, GE, Fortran
Systems
New South Wales
Dept. of Roads,
Phillips, AWA
Traconex
Tabela 2-3 – Comparação de Sistemas de Controle de Tráfego [6]
2.6
DISCUSSÃO
Uma vez implementado o sistema de controle de tráfego, procura-se medir as
reduções no atraso sofrido pelos veículos, no tempo de viagem de um determinado
percurso, e no número de paradas. De uma forma menos sistemática, medem-se as
reduções de consumo de combustível e de emissão de gases poluentes. Outra forma de
avaliação do sistema é a velocidade média dos veículos, que deve ser maximizada. A
Tabela 2-4 apresenta o resumo dos benefícios encontrados após a aplicação de
diversos sistemas e técnicas de controle de tráfego em diferentes cidades.
Da Tabela 2-4, pode-se notar que a implementação de sistemas de controle de
tráfego pode trazer resultados muitos bons em cidades muito grandes que possuem um
tráfego tradicionalmente caótico, como é o caso de Los Angeles e Tokyo.
18
Localidade
Glasgow
Orange County
§
§
§
§
§
§
Texas
§
§
§
Parramatta,
New South Wales
Great West Highway
(Via Arterial)
Tokyo
Los Angeles
Orlando
Virginia
§
§
§
§
§
§
§
§
§
§
§
§
§
§
§
§
§
§
Benefícios
redução de 12% no atraso
redução de 6% no tempo de viagem
(em relação aos planos calculados pelo programa
TRANSYT em 1967)
aumento na velocidade de 30mph para 33mph no
horário de pico da manhã
aumento na velocidade de 26mph para 33mph no
horário de pico da tarde
redução no número de paradas e atraso
redução de 13,5% no consumo de combustível
(20,8 milhões de galões/ano)
redução de 29,6% no atraso
redução de 11,5% no número de paradas
Ao todo, isto representa uma economia de
US$252 milhões por ano
redução de 1% no número de paradas
redução de 13 a 31% no tempo de viagem
redução de 24 a 45% no número de paradas
redução de 44% no atraso devido aos sinais
redução de 13% no consumo de combustível
redução de 14% na emissão de gases poluentes
redução de 56% no número de paradas e atraso
redução de 9 a 14% na emissão de gases poluentes
redução de 10,2% no tempo de viagem
redução de 25,5% no número de paradas
redução de 25,2% no atraso
redução de 3,7% no consumo de combustível
redução de 16 a 19,5% na emissão de gases
poluentes
Tabela 2-4 – Benefícios Diversos Sistemas de Controle de Tráfego
A Tabela 2-5 apresenta um resumo de alguns testes em campo realizados com
o UTCS no início dos anos 80 nos EUA, comparando cada geração em uma via
arterial e em uma malha de ruas.
19
Estratégia UTCS
1-GC (arterial)
1-GC (malha)
2-GC (arterial)
2-GC (malha)
3-GC (arterial)
3-GC (malha)
% de mudança no tempo de viagem acumulado em relação à base
Pico da Manhã
Fora do Pico
Pico da Tarde
Media Diária
- 2,6
- 3,2
- 1,3
+ 4,4
+ 9,2
+ 14,1
- 4,0
+ 1,9
- 3,8
+ 1,9
+ 24,0
- 0,5
- 12,2
- 1,6
+ 0,5
+ 10,7
+ 21
+ 7,0
ND
ND
- 2,1
+5,2
+ 16,9
+ 8,2
ND: Dado Não Disponível
Tabela 2-5 – Comparação de Resultados de Estratégias do UTCS [5]
Como mostrado na tabela acima, os métodos mais simples obtiveram melhores
resultados (+ indica um aumento no tempo de percurso).
Na 2-GC e na 3-GC, a eficiência da resposta do sistema de controle depende
inteiramente da qualidade do modelo de predição. Contrariamente à intuição, as
estratégias mais sensíveis resultaram em um desempenho inferior àquele do ciclo fixo
(1-GC), estratégia não sensível ao tráfego. Uma análise mais detalhada dos
experimentos indica que as expectativas não foram atendidas porque os modelos e
procedimentos utilizados no estudo do UTCS falharam. Os motivos propostos para o
sucesso limitado do controle adaptativo incluem:
§
Imprecisões inerentes ao ciclo de predição de medidas, de tal modo que as
estratégias não podiam responder de modo suficientemente rápido.
§
A transição freqüente na temporização dos sinais podendo levar à atrasos
consideráveis.
§
O tempo permitido aos modelos para o cálculo do ótimo ter sido
insuficiente.
Estudos em campo indicam que vários sistemas de controle de tráfego urbano
em tempo real, incluindo o SCOOT, são capazes de atingir reduções na faixa do 10
por cento no tempo de percurso comparado com o controle convencional de tempo
fixo. Porém, foi impossível atingir com consistência estas reduções [5]. Aponta-se
como motivo principal pela falta de melhores resultados nestes sistemas UTC em
tempo real a complexidade do problema, a variação dos fluxos nas vias e a imprecisão
nas medidas dos detectores de veículos.
20
Em virtude destas falhas, é proposto um modelo de controle de tráfego cuja
predição de volume de tráfego é feita por uma rede neural, sendo assim mais flexível
no tratamento da variação dos fluxos nas vias. Em relação à imprecisão nas previsões
de volume, o modelo proposto utiliza lógica fuzzy no controle dos semáforos de um
cruzamento.
21
3
METODOLOGIA PARA A AVALIAÇÃO DE
UM SISTEMA DE CONTROLE DE TRÁFEGO
ADAPTATIVO
A grande maioria dos atrasos das redes de ruas ocorre nos cruzamentos
sinalizados. Dependendo da localidade, a implementação de controles de tráfego
adaptativos (TAC) obteve benefícios diversos (Tabela 2-4). Embora a análise dos
resultados obtidos pelo controle adaptativo seja útil, esta não é completamente
confiável devido à grande variação dos benefícios encontrados. Em virtude disto, os
engenheiros necessitam de uma metodologia que permita estimar o retorno do
investimento com a melhoria do controle de tráfego [7].
3.1
METODOLOGIA
Existem três métodos de avaliação dos TAC:
- Demonstração por um projeto piloto
Este método requer a implementação do TAC. Através do acompanhamento
de sua operação durante um período de tempo, estabelecem-se diretrizes para o seu
uso em outros sistemas com características similares. Devido ao seu alto custo, estes
projetos podem estar fora do alcance de muitas localidades.
- Análise off-line por computador
Neste método todas as análises são feitas em simuladores e ele é utilizado para
encontrar benefícios potenciais. Resultados podem levar à identificação de locais para
projetos pilotos de demonstração, ou até à implementação de um sistema completo.
- Análise on-line
Requer que os sinais de trânsito estejam ligados de modo on-line com a
central. Desta maneira, a temporização dos sinais é otimizada em tempo real a partir
de um módulo de otimização.
22
Por seu baixo custo, a metodologia utilizada nesta dissertação é a de análise
off-line por computador. Os seus componentes são: a definição do sistema estudado, a
aquisição de dados, a escolha do simulador de tráfego, a definição dos cenários, a
análise e compilação dos resultados e a análise dos custos e benefícios. A estruturação
destes componentes pode ser sistematizada como:
- Definição do sistema
O primeiro passo é determinar a extensão do sistema, indicando se ele consiste
em uma rede de cruzamentos e semáforos, ou em um cruzamento isolado. Também
devem ser definidos a localização do cruzamento e o horário durante o qual o estudo é
realizado.
- Aquisição de dados
Uma vez definido o sistema, são necessários o desenho geométrico do
cruzamento, determinação dos volumes de tráfego em todas as vias e o controle prétemporizado de tráfego empregado.
Para melhor imitar o comportamento do sistema real, os volumes das vias são
distribuídos em intervalos de quinze minutos.
- Simulações
De posse dos dados necessários, o controle pré-temporizado e o TAC proposto
são simulados no computador.
- Análises e Comparações
Utilizando os relatórios fornecidos pelo simulador, as medidas de desempenho
(seção 2.4) são comparadas e é realizada uma análise dos custos e benefícios.
3.2
SIMULADORES
Existem vários simuladores e / ou otimizadores de semáforos no mercado, que
possuem vantagens e desvantagens um em relação ao outro. Foram analisados seis
pacotes de controle de tráfego: SIGSET, PASSER, SIG Cinema, Synchro+SimTraffic,
Oscady e VISSIM.
23
- SIGSET [8]
Desenvolvido na Inglaterra no início dos anos 80, o SIGSET é um programa
DOS que otimiza os sinais de um único cruzamento. Mesmo não realizando nenhuma
simulação, o SIGSET fornece algumas medidas de eficiência do cruzamento, tais
como atraso e tamanho de fila.
- PASSER (ttisoftware.tamu.edu)
Este é o conjunto de programas de otimização de condições de tráfego
desenvolvido pelo Texas Transportation Institute (TTI) da Texas A&M University. O
PASSER existe em três versões diferentes:
§
PASSER II-90: otimizador de sinais de uma via arterial para ambiente
Windows.
§
PASSER III-98: programa Windows de otimização de sinais em um trevo
rodoviário.
§
PASSER IV-96: desenvolvido para ambiente DOS, esta versão otimiza os
sinais de uma pequena rede de vias.
Ao final da otimização, o PASSER fornece um relatório com as medidas de
desempenho dos cruzamentos.
- SIG Cinema (www.kldassociates.com)
Desenvolvido pela KLD Associates conjuntamente com a Polytechnic
University, ele otimiza os sinais para cruzamentos isolados.
- Synchro + SimTraffic (www.trafficware.com)
Este programa da Trafficware é dividido em dois módulos: Synchro e
SimTraffic. O Synchro é responsavel pela entrada de dados (geometria, volumes, etc.)
e pela otimização dos sinais de um cruzamento isolado ou de uma rede de vias. Uma
vez terminada a otimização, o sistema é simulado pelo SimTraffic, que fornece um
relatório das medidas de eficiência.
24
- OSCADY (www.trlsoftware.co.uk)
Este é o otimizador do Transportation Research Laboratory (Inglaterra). Ele
permite a otimização da temporização dos semáforos de um cruzamento isolado, ou
pela minimização do atraso ou pela maximização da capacidade.
- VISSIM (www.english.ptv.de/cgi-bin/produkte/vissim.pl)
Criado na Alemanha pela PTV, o VISSIM é um simulador de transportes
públicos (ônibus, trens urbanos...) que modela o desempenho de controles
adaptativos.
As principais características destes programas estão resumidas na Tabela 3-1.
Programa
SIGSET
PASSER II-90
PASSER III-98
PASSER IV-96
SIG Cinema
Synchro + SimTraffic
Ambiente
DOS
Windows
Windows
DOS
Windows
Windows
Simulador
OSCADY
VISSIM
Windows
Windows
X
X
X
X
Otimizador
X
X
X
X
X
X
Sistema
1 cruzamento
via arterial
trevo rodoviário
rede de vias
1 cruzamento
1 ou vários
cruzamentos
1 cruzamento
1 ou vários
cruzamentos
Tabela 3-1 – Principais Características dos Simuladores de Tráfego
3.3
SIMULADOR UTILIZADO
A escolha do simulador entre os programas descritos na seção anterior é feita
em função das características abaixo:
§
habilidade de otimizar os sinais e de simular a operação de um
cruzamento;
§
flexibilidade na entrada dos dados;
§
capacidade de fornecer as medidas de eficiência solicitadas pelo estudo,
tais como atraso, número de paradas, tempo de viagem, consumo e
emissão de gases poluentes.
25
A primeira característica limita a escolha entre o SIG Cinema e o Synchro +
SimTraffic. Entre estes dois, o Synchro + SimTraffic é o único que fornece o
consumo de combustível e o nível de emissão de gases poluentes. Graças a sua
interface gráfica e a sua compatibilidade com dados em formato ASCII, ele é o único
a atender o requisito de flexibilidade na entrada dos dados.
26
4
SISTEMA DE CONTROLE DE TRÁFEGO
FUNNCON
Neste trabalho é apresentada uma proposta de um novo modelo de controle de
tráfego para um cruzamento isolado com Modo Sensível ao Tráfego. A lógica de
controle sugerida possui três partes principais:
• módulo previsão de tráfego futuro,
• módulo banco de cenários ótimos,
• módulo fuzzy.
Na próxima seção será apresentado a evolução do sistema de controle, e em
seguida cada módulo será explicado separadamente.
4.1
CONSTRUÇÃO E ELABORAÇÃO DO SISTEMA
Como visto na seção 2.3, a operação de sinais de trânsito pode ser descrita por
quatro variáveis:
§
duração do ciclo
§
fases do sinal
§
quebras de fase
§
retardos
No caso de um cruzamento isolado não existe retardo. Para um cruzamento de
duas vias, sem conversões protegidas, somente duas fases são necessárias. Deste
modo o controlador deve ser um otimizador da duração do ciclo e das quebras de fase
que toma como base o fluxo de veículos que atravessa o cruzamento (Figura 4-1).
27
Duração
do ciclo
Fluxo
de veículos
OTIMIZADOR
Quebras
de fase
Figura 4-1 – Controlador em malha aberta
Nota-se que este é um controlador em malha aberta, pois não existe uma
realimentação. Barnard e Shaw [9] propõem o uso do número de carros esperando na
fila, já que este dado tem a propriedade – denominada feedback (realimentação) - de
informar sobre o sucesso da estratégia de controle (Figura 4-2). Desta forma, pode-se
estabelecer a seguinte associação:
Fluxo de veículos
→
controlador com malha aberta
Tamanho da fila
→
controle de malha fechada
Duração do ciclo
Volume
SISTEMA
OTIMIZADOR
Quebras de fase
Tamanho da fila
SENSORES
(cruzamento
+ semáforos)
Condições do tráfego
Figura 4-2 – Controlador de malha fechada
Contudo, o elevado custo dos sensores medidores de tamanho de fila dificulta
a implementação de controladores com realimentação. Outra limitação do controlador
da Figura 4-2 é a ausência de algum tipo de predição do volume de tráfego, ou mesmo
uma simples medida da evolução do volume de tráfego, fazendo com que ele não seja
capaz de se adequar com rapidez a mudanças bruscas das condições do trânsito.
Devido ao tempo de processamento do otimizador, ele é substituído por uma
biblioteca de soluções ótimas previamente calculadas para diferentes condições do
28
tráfego (diversos volumes). Deste modo, o controlador deveria possuir um terceiro
módulo, cuja função seria determinar a melhor alternativa da biblioteca de soluções
ótimas, levando em conta os volumes de tráfego presente e previsto. Este módulo
poderia executar um simples casamento de padrões, porém existem dois problemas
inerentes a esta solução: o controlador dificilmente forneceria a temporização ótima já
que a biblioteca não possui um padrão ótimo para todas as condições de tráfego
possíveis; além disso, o casamento de padrões teria que ser flexível em relação às
incertezas das condições do tráfego.
Em virtude disso, utilizando os cenários do banco de soluções ótimas, regras
fuzzy são criadas. Ou seja, um sistema de inferência fuzzy é utilizado para determinar
a melhor temporização dos semáforos do cruzamento.
Como os módulos “inteligentes” do controlador proposto são baseados em
lógica fuzzy e redes neurais, o controlador é denomindado FUNNCON (FUzzy and
Neural Network CONtroller).
O diagrama da Figura 4-3 apresenta a estrutura do FUNNCON para um
cruzamento de duas vias, denominadas via A e via B.
29
REDES NEURAIS
VAt
VBt
SISTEMA DE INFERÊNCIA FUZZY
PREDITOR
A
VAt+1
PREDITOR
B
VBt+1
Duração do ciclo
BIBLIOTECA
DE SOLUÇÕES
ÓTIMAS
Quebras de fase
CRIAÇÃO
DE
REGRAS FUZZY
Duração do ciclo
SISTEMA
VAt - Volume do tráfego
na via A no instante t
Quebras de fase
VBt - Volume do tráfego
na via B no instante t
Volume nas vias A e B
SENSORES
Figura 4-3 – Diagrama do FUNNCON com seus três módulos
30
(cruzamento
+ semáforos)
Condições do tráfego
4.2
MÓDULO DE PREVISÃO DE TRÁFEGO FUTURO
Redes neurais já foram empregadas com diversas finalidades em controladores de
tráfego, como por exemplo, na determinação das funções de pertinência de um controlador
fuzzy [10], na escolha do melhor plano de controle em função dos volumes nas vias do
cruzamento [9]. A predição de tráfego futuro já foi efetuada por uma rede neural do tipo
Radial Basis Function (RBF) na rodovia I-70 do condado de Saint Louis, Missouri, EUA [11].
Devido aos resultados obtidos na predição de séries temporais [12], e ao fato dos
volumes de tráfego em uma via formarem uma série temporal, uma rede neural foi escolhida
como núcleo do módulo de predição de tráfego futuro (Figura 4-4).
Vt-n+1
PREDITOR
Vt
Vt+1
(Rede Neural)
Figura 4-4 – Predição do tráfego futuro com uma rede neural
Embora o treinamento de uma rede neural possa ser demorado, uma vez terminado
este processo ela é capaz de informar o volume de tráfego futuro quase que instantaneamente,
sem que um novo treinamento seja realizado.
- Arquitetura
Para a obtenção de melhores resultados, a rede neural é responsável pela predição do
tráfego de uma só via [12]. Ou seja, se o cruzamento possui três vias, o volume de tráfego em
cada uma delas será previsto por uma rede, totalizando três redes neurais.
§
Entradas
Em séries temporais, geralmente as entradas da rede neural correspondem a um índice
relacionado ao tempo e a alguns valores passados da série [12], conforme mostrado na Figura
4-5.
31
Distância
Valor futuro
Entradas da rede
Série
8
9
10
11
12
13
14
15
16
17
Tempo
Figura 4-5 – Entradas de uma rede neural para séries temporais
Para o caso de um cruzamento com várias vias, as entradas são um índice temporal e
os valores passados dos volumes em todas as aproximações.
§
Pré-processamento dos dados
Os volumes nas vias devem ser normalizados segundo a equação 4:
V'=
V − 0,9V min
1,1V max − 0,9V min
(4)
onde: V = volume não normalizado
V’ = volume normalizado entre 0 e 1
Vmin = menor volume observado na via
Vmax = maior volume observado na via
Os volumes mínimo e máximo são subtraídos e acrescidos de 10% como margem de
tolerância, permitindo que a saída da rede neural possa ser menor (ou maior) que os extremos
observados durante o seu treinamento.
32
§
Saída
Durante o treinamento, na saída da rede neural é apresentado o volume que ela deve
prever. Após o término do treinamento, a saída da rede será o volume previsto.
Como os dados de entrada são normalizados, a saída também será. Para que ela possa
ser utilizada pelos outros módulos do FUNNCON, deve-se efetuar uma desnormalização:
V = (1,1V max − 0,9V min ) × V '+0,9Vmin
(5)
onde: V = volume não normalizado
V’ = volume normalizado entre 0 e 1
Vmin = menor volume observado na via
Vmax = maior volume observado na via
4.3
MÓDULO BANCO DE CENÁRIOS ÓTIMOS
O conjunto de soluções ótimas – e sub-ótimas – consiste em um grupo de soluções
previamente calculadas para um determinado número de cenários. Em princípio poder-se-ia
utilizar as soluções encontradas por programas de temporização de semáforos, tais como o
Synchro, ou optar em encontrar estas soluções com a ajuda de Algoritmos Genéticos (GA).
Os GAs têm sido aplicados com sucesso em problemas de tráfego e transporte, ainda
que sua utilização na área continue limitada. Foy et al. [13] relatam o uso de GAs para
determinar os parâmetros de semáforos. Hadi e Wallace [14] utilizaram GAs para obter a fase
ótima na coordenação de sinais. Abu-Lebdeh e Benekohal fizeram um extenso uso dos GAs
no tratamento de filas [15, 16] e no controle de tráfego [17, 18]. A empresa BNN
technologies, numa parceria com FHWA (Federal Highway Administration, EUA),
desenvolveu um controlador em tempo real [19]. Fwa et al. [20] e Chan et al. [21] utilizaram
GAs no problema combinatório de otimização da manutenção do pavimento.
O aspecto principal que torna os GAs atraentes para o uso neste tipo de problema é a
sua habilidade de superar a explosão combinatória [22, 23]. Porém, na determinação da
duração do ciclo e das quebras de fase de um cruzamento isolado, a utilização do GAs não é
necessária, uma vez que os modelos analíticos existentes foram testados e aprovados. Desta
forma, o banco de cenários ótimos será criado a partir das soluções calculadas pelo Synchro.
33
Cumpre observar que dados de uma pesquisa entre engenheiros de tráfego apontam o
Synchro como o programa de otimização de temporização mais utilizado e cujos resultados
são mais confiáveis [24].
4.4
MÓDULO FUZZY
Uma das primeiras aplicações de lógica fuzzy no controle de tráfego urbano foi
realizada por Pappis e Mamdani em 1977 [25]. Nas duas décadas seguintes, o seu uso em
controle de tráfego foi exaustivamente testado [10, 26, 27]. Devido aos resultados limitados,
principalmente na coordenação de semáforos, a pesquisa em controladores exclusivamente
fuzzy foi abandonada nos últimos anos.
No FUNNCON a lógica fuzzy é responsável pela determinação da duração do ciclo e
da quebra de fase baseada nos volumes previstos pelas redes neurais. O seu sistema de
inferência fuzzy é composto pelo banco de cenários ótimos e pelo módulo de aprendizado de
regras fuzzy (Figura 4-6).
SISTEMA DE INFERÊNCIA FUZZY
Duração do ciclo
BIBLIOTECA
DE SOLUÇÕES
ÓTIMAS
Quebras de fase
CRIAÇÃO
DE
REGRAS FUZZY
Figura 4-6 – Sistema de inferência fuzzy
O banco de cenários ótimos pode ser visualizado como um conjunto de regras de
controle, tais como:
SE
volume via 01
=
1000 vph
E
volume via 02
=
2500 vph
E
volume via 03
=
90 vph
=
120 segundos
ENTÃO duração do ciclo
34
ou
SE
volume via 01
=
1000 vph
E
volume via 02
=
2500 vph
E
volume via 03
=
90 vph
=
0,8
ENTÃO quebra de fase
Estas regras são transformadas em regras fuzzy pelo método de Wang & Mendel e
Wang [28, 29] que é composto de três etapas:
§
Divisão dos domínios de entrada e de saída em regiões fuzzy,
§
Geração das regras fuzzy a partir dos pares de dados de entrada,
§
Atribuição de um grau a cada regra.
Sejam os pares de entrada/saída da forma:
(x1(1), x2(1), y(1)), (x1(2), x2(2), y(3)), ...
onde x1 e x2 são as entradas e y é a saída.
1. Os domínios de entrada e de saída são divididos em regiões fuzzy, como mostra a Figura
4-7.
2. A partir dos pares de dados de entrada as regras fuzzy são geradas:
Os graus de pertinência µ(x1(i)), µ(x2(i)), µ(y(i)) de x1(i), x2(i) e y(i) nas diferentes regiões
são determinados. No exemplo da Figura 4-7, x1(1) tem grau 0,8 em B1, 0,2 em B2 e zero nas
outras regiões. Em seguida, a região de maior grau é atribuida aos x1(i), x2(i) e y(i), desta forma
no exemplo x1(1) é B1.
Finalmente, uma regra é obtida para um par de entrada/saída:
(x1(1), x2(1), y(1)) ⇒ [(x1(1) (0,8 em B1), x2(1) (0,7 em S1), y(1) (0,9 em CE)] ⇒ Regra 1
35
que deve ser lida como:
SE x1 é B1 E x2 é S1 ENTÃO y é CE
Este procedimento é repetido para todos os pares de dados.
µ(x1)
S2
S1
CE
B1
B2
1,0
0,0
x1-
x1(2)
x1(1)
B1
B2
x1+
x1
µ(x2)
S3
S2
S1
CE
B3
1,0
0,0
x2-
x2(1)
x2(2)
x2+
x2
µ(y)
S2
S1
CE
B1
B2
1,0
0,0
-
(1)
y
y
(2)
y
+
y
Figura 4-7 – Divisão dos domínios de entrada e saída em regiões fuzzy
36
y
3. A cada regra fuzzy é atribuido um grau. Para uma regra do tipo “SE x1 é A E x2 é B
ENTÃO y é C”, define-se como grau desta regra:
D(regra) = µA(x1)µB(x2)µC(y)
(6)
Como existem muitos pares de dados e como cada par gera uma regra, é altamente
provável a existência de regras conflitantes, isto é, regras com os mesmos antecedentes mas
com consequentes diferente.
Uma maneira de resolver este conflito é pela atribuição de um grau a cada regra
gerada. Assim, dentro de um grupo conflitante somente a regra de maior grau é selecionada.
Desta forma, não somente o problema de conflito é solucionado, mas o número de regras é
reduzido. Resolvidos todos os conflitos, um banco de regras fuzzy é criado.
37
5
ESTUDO DE CASO
No capítulo anterior, um modelo de controle de semáforos baseado em lógica fuzzy e
redes neurais foi proposto, o FUNNCON. Com base em dados reais, o FUNNCON será
implementado no controle de um cruzamento isolado da cidade do Rio de Janeiro. Seguindo a
metodologia do capítulo 3, ele será avaliado e comparado com o controle fixo utilizado pela
CET-Rio.
5.1
LAYOUT DO CRUZAMENTO
Em cooperação com a Companhia de Engenharia de Tráfego do Rio de Janeiro (CET-
Rio), o cruzamento da Avenida Ayrton Senna com o retorno para o Riocentro foi escolhido
por ser um cruzamento isolado e ao mesmo tempo possuir um grande volume de tráfego. O
layout do cruzamento é mostrado na Figura 5-1.
Cruzamento 2
Cruzamento 1
Figura 5-1 – Layout do cruzamento
Aparentemente o layout mostra dois cruzamentos distintos; porém, segundo a
Gerência de Controle de Tráfego da CET-Rio, devido à pequena extensão do retorno
(aproximadamente 60 metros), ele pode ser abstraído (Figura 5-2).
38
VIA 02
VIA 01
VIA 03
Figura 5-2 – Layout do cruzamento de 3 vias
Desta forma, este é um cruzamento entre 3 vias que necessita de duas fases, conforme
mostra a Figura 5-3.
Fase A
Fase B
Figura 5-3 – Conjunto de fases do cruzamento
No restante do texto as vias do cruzamento serão denominadas:
VIA 01 → Sentido Cidade de Deus
VIA 02 → Sentido Barra
VIA 03 → Retorno
39
5.2
DADOS
Para uma comparação realista entre o controle implementado pela CET-Rio e o
FUNNCON, dados reais foram obtidos com a CET-Rio.
Para o treinamento das redes neurais do FUNNCON são necessários dados de vários
dias; no entanto, a CET-Rio só dispunha dos volumes de um único dia da semana
(23/09/1999). Consequentemente, volumes de tráfego de quatro dias foram coletados
manualmente: a partir de fitas de vídeo do cruzamento gravadas pela CET-Rio, os fluxos em
cada via foram contados em intervalos de 15 minutos (Figura 5-4).
Figura 5-4 – Imagem da fita de vídeo fornecida pela CET-Rio
Para simular o efeito dos veículos pesados que trafegam pelo cruzamento, os volumes
de ônibus e de caminhões foram ajustados. Desta forma, um ônibus equivale a 2,25 carros e
um caminhão a 1,75 carros.
Também foram fornecidos pela CET-Rio os planos de controle hoje utilizados,
baseados em ciclos fixos que se alternam ao longo do dia e da semana.
40
§
Dias e horários de estudo
Com o objetivo de evitar sazonalidade em função do dia da semana, os dados foram
adquiridos ao longo de quatro quintas-feiras: 28 de junho, 5 de julho, 27 de setembro e 4 de
outubro de 2001.
Devido à dificuldade na contagem manual, o horário de estudo não pôde ser de 24
horas; assim, foi limitado entre as 6:00hs e as 10:00hs de cada dia.
§
Tratamento dos dados
No dia 5 de julho, durante as 7:00hs e as 7:45hs, devido a uma forte chuva não foi
possível contar o número de carros que passavam pela via sentido Cidade de Deus (Figura
5-5). Esta lacuna foi peenchida utilizando-se os volumes desta via nos outros dias adquiridos.
Figura 5-5 – Imagem da fita de vídeo sob chuva
Em função da atuação dos guardas de trânsito, que são agentes externos, os volumes
na via Retorno apresentavam uma grande flutuação. Esta variação foi suavizada utilizando
uma média móvel de dois pontos ao longo da série.
§
Volumes
Os volumes coletados, após o tratamento descrito acima, estão resumidos na Tabela
5-1.
41
28 de Junho
5 de Julho
Intervalo VIA 01 VIA 02 VIA 03
06:00 06:15
262
403
29
06:15 06:30 397
532
35
06:30 06:45 563
706
48
06:45 07:00 782
977
83
07:00 07:15 931
842
121
07:15 07:30 1040
978
134
07:30 07:45 1112
939
151
07:45 08:00 1076
1082
156
08:00 08:15 1002
1084
160
08:15 08:30 1029
1096
169
08:30 08:45 1096
1041
149
08:45 09:00 1050
995
150
09:00 09:15 956
957
156
09:15 09:30 1017
1082
170
09:30 09:45 928
878
172
09:45 10:00 936
882
156
06:00 06:15 271
412
27
06:15 06:30 412
571
34
06:30 06:45 578
667
61
06:45 07:00 714
870
79
07:00 07:15 956
999
114
07:15 07:30 1067
953
151
07:30 07:45 1142
1003
141
07:45 08:00 1105
1134
169
08:00 08:15 1019
1120
191
08:15 08:30 1045
1105
170
08:30 08:45 1090
1033
179
08:45 09:00 1054
1131
178
09:00 09:15 1016
1139
174
09:15 09:30 1106
1000
182
09:30 09:45 1005
1039
159
09:45 10:00 1046
1093
146
27 de Setembro
4 de Outubro
06:00 06:15 300
483
26
06:15 06:30 471
711
39
06:30 06:45 642
884
75
06:45 07:00 904
974
94
07:00 07:15 1034
989
129
07:15 07:30 1091
1014
129
07:30 07:45 1059
1209
124
07:45 08:00 982
1056
160
08:00 08:15 904
1117
144
08:15 08:30 1033
1153
148
08:30 08:45 1012
1116
168
08:45 09:00 976
1123
156
09:00 09:15 1071
1079
154
09:15 09:30 1006
993
137
09:30 09:45 1061
1027
147
09:45 10:00 1027
1032
175
06:00 06:15 322
427
32
06:15 06:30 444
627
38
06:30 06:45 706
821
66
06:45 07:00 785
909
83
07:00 07:15 1059
965
126
07:15 07:30 1015
988
141
07:30 07:45 1132
1056
146
07:45 08:00 944
1086
164
08:00 08:15 903
1104
145
08:15 08:30 1048
1099
141
08:30 08:45 1020
1020
152
08:45 09:00 1030
1091
148
09:00 09:15 1017
1097
160
09:15 09:30 991
1000
163
09:30 09:45 985
1036
146
09:45 10:00 1016
997
153
Tabela 5-1 – Volumes durante os dias e horários de estudo (número de veículos a cada 15 minutos)
42
5.3
IMPLEMENTAÇÃO DO FUNNCON
Como foi visto no capítulo 4, o FUNNCON é composto de 3 módulos principais:
redes neurais para predição de tráfego futuro, um banco de cenários otimizados pelo Synchro
e um módulo de inferência fuzzy.
§
Módulo de Predição de Tráfego Futuro
Este módulo é composto de três redes neurais que predizem o volume em cada via do
cruzamento estudado. Em função do baixo volume de tráfego antes de 6:00hs, foi considerado
que o volume de 5:45hs às 6:00hs é igual ao de 6:00hs às 6:15hs.
Devido ao reduzido número de amostras (17 por dia) a rede possui como entradas:
§
os dois últimos valores dos volumes nas três vias;
§
um índice temporal
Consequentemente cada rede possui sete entradas e uma saída e o treinamento tem
um conjunto de 15 amostras.
Além dos parâmetros da arquitetura das RN apresentados na seção 4.2, o número de
neurônios na camada escondida e o número de épocas de treinamento devem ser determinados
para cada rede. Para tanto, uma validação cruzada [30] foi executada onde o número de
neurônios na camada escondida variou de 3 a 6 (Tabela 5-2).
I e II => III
I e III => II
# Neuronios # Épocas Erro Aval. MSE Trein.
# Neuronios # Épocas
II e III => I
Erro Aval. MSE Trein.
# Neuronios # Épocas Erro Aval. MSE Trein.
3
3
3
10
3
7
4.9462
4.5608
8.2808
5.9293
0.006383
0.009061
0.004474
3
3
3
8
15
6
5.6636
5.7380
4.9495
5.4504
0.004006
0.005521
0.005162
3
3
3
12
8
5
7.6758
7.6429
8.1503
7.8230
0.003105
0.002345
0.002318
4
4
4
4
5
7
6.8434
5.1592
6.0584
6.0203
0.006977
0.006295
0.006037
4
4
4
9
13
12
5.1204
6.0048
6.4309
5.8520
0.004163
0.004047
0.003992
4
4
4
5
8
5
6.3785
7.6024
8.0731
7.3513
0.002877
0.002432
0.002510
5
5
5
4
8
7
6.2470
5.5753
4.1682
5.3302
0.005493
0.004921
0.004685
5
5
5
8
9
6
6.6847
5.0889
5.5002
5.7579
0.003177
0.003681
0.005067
5
5
5
14
4
6
7.3533
7.0239
7.1632
7.1801
0.003742
0.003511
0.002152
6
6
6
4
3
4
6.0186
5.3331
4.6809
5.3442
0.006648
0.007093
0.010616
6
6
6
19
5
10
6.0637
6.0301
6.6736
6.2558
0.004135
0.004681
0.002591
6
6
6
6
10
7
6.8180
8.8570
8.8488
8.1746
0.005102
0.003590
0.003270
Tabela 5-2 – Validação cruzada da Via 02
43
Como mostra a Tabela 5-2, os melhores resultados foram obtidos com 5 neurônios na
camada escondida e para esta configuração são necessárias: (7 + 9 + 4) / 3 ≈ 7 épocas. Os
resultados obtidos para as três vias estão resumidos na Tabela 5-3.
Número de Neurônios
na Camada Escondida
6
5
4
VIA 01
VIA 02
VIA 03
Número de Épocas de
Treinamento
10
7
13
Tabela 5-3 – Número de neurônios na camada escondida e número de épocas de treinamento
Em seguida, no Matlab  três redes neurais Levenberg-Marquardt backpropagation
[12] foram treinadas com os volumes dos três primeiros dias de estudo. Após o treinamento,
cada rede foi executada para a predição do tráfego do quarto dia (4 de outubro). Os resultados
das predições estão resumidos nas Figura 5-6, Figura 5-7, Figura 5-8.
1100
1000
900
800
700
600
500
400
1
2
3
4
5
6
7
8
Valor Previsto
9
10
11
Valor Real
Figura 5-6 – Volume previsto na Via 01
44
12
13
14
15
1100
1000
900
800
700
600
1
2
3
4
5
6
7
8
9
Valor Previsto
10
11
12
13
14
15
13
14
15
Valor Real
180
160
140
120
100
80
60
40
20
1
2
3
4
5
6
7
8
9
Valor Previsto
10
11
12
Valor Real
Para cada via foi computado o erro percentual (equação 7) durante o treinamento de
cada rede e os respectivos erros de predição. Os resultados são apresentados na Tabela 5-4.
Erro =
1 15 reali − previstoi
× 100
∑
15 i=1
reali
onde: reali = volume que ocorreu durante o intervalo i
previstoi = volume previsto para o intervalo i
45
(7)
Erro no Treinamento
Erro de Predição
VIA 01
2,28 %
3,58 %
VIA 02
3,72 %
3,20 %
VIA 03
5,06 %
4,47 %
Tabela 5-4 – Avaliação das predições nas três vias
§
Módulo Banco de Cenários Ótimos
Utilizando os volumes apresentados na Tabela 5-1, os intervalos de variação dos
volumes nas três vias do cruzamento são calculados:
VIA 01 ∈ [200; 1200]
VIA 02 ∈ [400; 1200]
VIA 03 ∈ [25; 225]
Em função destes intervalos, cenários são criados através da variação dos volumes das
vias 01 e 02 de 100 em 100 e o volume da via 03 de 25 em 25. Desta forma são criados 11 x 9
x 9 = 891 cenários.
A otimização dos semáforos de um cruzamento é feita em três etapas pelo Synchro
[31]. Primeiramente, o layout do cruzamento estudado é desenhado em escala (Figura 5-9 a).
Em seguida, os sentidos e volumes das vias são indicados (Figura 5-9 b). Finalmente, as
funções de otimização de duração de ciclo e de quebra de fase são acionadas (Figura 5-9 c).
Para cada cenário, a duração do ciclo e a quebra de fase são otimizadas pelo Synchro,
constituindo, ao final, um banco com 891 cenários ótimos.
46
(a)
(b)
(c)
Figura 5-9 – Etapas da otimização pelo Synchro: (a) desenho, (b) sentidos e volumes, (c) otimização
47
§
Módulo Fuzzy
Como pode ser visto na seção 4.4, os cenários ótimos são transformados em regras
fuzzy pelo método de Wang & Mendel. Uma vez estabelecidas as regras fuzzy, a duração do
ciclo e a quebra de fase são determinadas pelo sistema de inferência fuzzy.
Para cada cenário foram otimizados a duração do ciclo e a quebra de fase em função
dos volumes nas três vias do cruzamento. Logo, se cada cenário for considerado como uma
regra de lógica crisp, estas regras possuem três antecedentes (os volumes das vias) e dois
consequentes. A maneira mais simples e mais eficiente de modelar estas regras em lógica
fuzzy é transformar cada regra crisp em duas regras fuzzy: a primeira possui três antecedentes
(os volumes) e o consequente é a duração do ciclo, a segunda possui os mesmos três
antecedentes e o consequente é a quebra de fase.
O método de Wang & Mendel requer que um número de conjuntos fuzzy seja
atribuido a cada variável. Neste trabalho o número de conjuntos fuzzy de cada variável
(entrada e saída) foi variado de 5 até 11 e a melhor configuração encontrada foi:
VIA 01: 7 conjuntos
VIA 02: 5 conjuntos
VIA 03: 5 conjuntos
Duração do ciclo: 7 conjuntos
Quebra de fase: 7 conjuntos
Com esta configuração foram criadas 175 regras fuzzy que constituem o banco de
regras fuzzy. A Figura 5-10 apresenta os conjuntos e funções de pertinência das variáveis de
entrada e saída encontrados pelo método de Wang & Mendel para a determinação da duração
do ciclo. Abaixo segue um exemplo de regra encontrada:
SE VIA01 é E0_2 E VIA02 é E1_4 E VIA03 é E2_2 ENTÃO Duração do Ciclo é S_5
48
Figura 5-10 – Conjuntos e funções de pertinência das variáveis de entrada e saída para a determinação da
duração do ciclo
Após a criação destes três módulos, o FUNNCON está implementado. Apresentando
os volumes previstos nas três vias do cruzamento, utilizando o mínimo para a interseção e
para a implicação, as regras são defuzzificadas pelo método do centróide [32], informando a
duração do ciclo e a quebra de fase.
49
5.4
RESULTADOS DO FUNNCON
Como foi visto na seção 5.3, os volumes previstos nas três vias do cruzamento são
informados ao FUNNCON, que fornece a duração do ciclo e a quebra de fase. Os volumes
previstos (saídas das 3 redes neurais), as durações de ciclo e durações da fase 1 (saída dos 2
sistemas de inferência fuzzy) gerados pelo FUNNCON estão resumidos na Tabela 5-5.
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
VIA 01
VIA 02
VIA 03
1800
2660
3500
4212
4224
4248
3980
3668
4144
4024
3908
4080
4080
4128
3996
2884
3424
3732
3976
4092
4368
4440
4440
4448
4204
4276
4228
4116
4172
3988
156
276
400
508
552
568
640
568
592
636
640
628
628
604
628
Duração
do Ciclo
119
161
195
178
178
178
178
178
178
178
178
178
178
178
178
Duração
da Fase 1
95
137
171
154
154
154
154
154
154
154
154
154
154
154
154
Tabela 5-5 – Volumes previstos, durações de ciclo e durações da fase 1 gerados pelo FUNNCON
O FUNNCON é avaliado com o mesmo conjunto de 15 amostras utilizado no
treinamento das redes neurais. Para cada amostra é criado um cenário no Synchro com os
volumes correspondentes. Em seguida o cenário é simulado no SimTraffic [33] (Figura 5-11)
e as medidas de eficiência do controle são obtidas.
A Tabela 5-6 apresenta as medidas de eficiência nos 15 cenários (6:15hs às 10:00hs)
avaliados.
50
Figura 5-11 – Simulação no SimTraffic
Intervalo
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
Total
Atraso (hr)
Tempo de Parado
Viagem
2.7
5.3
6.6
40.3
40.4
57.6
62.1
54.4
64.2
45.9
62.7
61.6
45.8
40.5
41.4
1.3
2.2
2.9
30.8
31.2
46.2
51.4
43.4
51.6
36.5
50.3
49.5
37.7
31.3
32.9
631.5
499.2
Paradas Tempo de Consumo (l)
Viagem
(hr)
279
8
182.9
387
12.8
236.5
377
15.2
253.6
1077
49.2
236.8
1108
48.6
232.9
1303
66.4
240.2
1216
70.3
250.3
1206
62.4
217.5
1337
72.4
233.6
1160
54.3
232.9
1409
71
232.6
1433
69.8
232.2
995
54.2
253.1
1137
49.2
230.2
1075
50
245.8
15499
753.8
3511.1
HC
Emissões (g)
CO
NOx
118
148
152
147
145
152
158
142
149
145
150
149
156
144
150
7532
8657
8293
4595
4604
3267
3703
3292
2878
4198
3111
3218
4906
4343
4685
469
622
659
469
457
405
415
370
353
446
370
370
502
468
499
2205
71282
6874
Tabela 5-6 - Medidas de eficiência do FUNNCON de 6:15hs às 10:00hs
51
5.5
RESULTADOS COM CONTROLE FIXO
5.5.1
CONTROLE FIXO DA CET-Rio
A Tabela 5-7 apresenta a programação dos semáforos e os planos de fases empregados
pela Companhia de Engenharia de Tráfego do Rio de Janeiro (CET-Rio) no controle do
cruzamento estudado.
Plano
1
2
3
Duração do
Ciclo (seg)
160
70
180
Duração da
Fase 1 (seg)
118
44
147
Duração da
Fase 2 (seg)
42
26
33
Tabela 5-7 – Programação semafórica e planos de fases da CET-Rio para uma quinta-feira entre 6 e 10hs
No període entre 6:00hs e 10:00hs de uma quinta-feira é utilizado o plano 1. É
importante ressaltar que para este plano:
§
o Vermelho Total da Fase 1 dura 3 seg, e o da Fase 2 dura 4 seg.
§
para ambas as fases a duração do Amarelo é de 4 seg.
§
os semáforos do cruzamento entre a via 02 (sentido Barra) e a via 03 (retorno)
estão atrasados de 7 seg. em relação aos semáforos do cruzamento entre a via 01 (sentido
Cidade de Deus) e via 03.
O controle fixo da CET-Rio é avaliado com o mesmo conjunto de 15 amostras
utilizado na avaliação do FUNNCON, e da mesma forma, para cada amostra é criado um
cenário no Synchro com os volumes reais correspondentes. Em seguida o cenário é simulado
no SimTraffic (Figura 5-11) e as medidas de eficiência do controle são obtidas.
avaliados.
52
Intervalo
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
Total
Atraso (hr)
Tempo de Parado Paradas Tempo de Consumo (l)
Viagem
Viagem (hr)
5
2.9
432
10.3
174.1
10.4
5.5
799
18
195
18.1
10
1128
26.4
177.6
70.1
57.2
1646
78.1
218.3
67.1
54.1
1660
75.4
216
99
86
1673
107.2
271.8
71.8
58.9
1719
80.3
226.4
65.4
52.7
1670
74
216.9
96.4
83.4
1680
104.6
269.9
74.8
61.9
1653
83.2
229.1
86.7
73.8
1712
94.9
252.7
84.7
71.6
1690
93.2
252.7
61.6
48.8
1724
70.1
211.4
69.1
56
1669
77.4
222.7
65.6
52.9
1680
74.1
218.1
945.8
775.7
22535
1067.2
3352.7
HC
Emissões (g)
CO
NOx
114
126
107
145
143
184
151
143
179
152
167
167
136
146
142
6830
5935
3625
2185
2209
2623
2296
2301
2560
2289
2442
2459
2152
2263
2212
438
492
385
297
300
341
314
311
333
311
325
332
302
310
306
2202
44381
5097
Tabela 5-8 – Medidas de eficiência do controle fixo da CET-Rio de 6:15hs às 10:00hs
5.5.2
CONTROLE FIXO DERIVADO DO FUNNCON
Em casos como o abordado neste trabalho, em que há pouca variação nas
temporizações ao longo do dia, é interessante averiguar a possibilidade de se efetuar uma
simplificação nos resultados obtidos com o FUNNCON. Esta simplificação facilitaria uma
eventual implementação pela CET-Rio.
Os resultados do FUNNCON (Tabela 5-5) são empregados na criação de um controle
pré-temporizado, através da identificação de intervalos nos quais há pouca variação nas
temporizações. Seguindo este procedimento dois intervalos são obtidos: das 6:15hs às 7:00hs
e das 7:00hs às 10:00hs. Consequentemente um controle fixo de 2 planos de fase –
denominado FUNNCON-f - é encontrado:
§
PLANO 1 – 6:15hs às 7:00hs
Neste caso o FUNNCON estabeleceu 3 temporizações ligeiramente diferentes, uma
para cada intervalo de 15 minutos; logo, para a obtenção de uma só temporização para este
período, os volumes médios são calculados (equações 8, 9 e 10) a partir dos dados da Tabela
5-5:
VIA 01:
1800 + 2660 + 3500
≈ 2653 veículos / 15 minutos
3
53
(8)
VIA 02:
2884 + 3424 + 3732
3
(9)
VIA 02:
156 + 276 + 400
3
(10)
Em seguida, para estes volumes médios, a duração do ciclo e a quebra de fase são
otimizadas pelo Synchro. Os resultados encontrados estão na Tabela 5-9.
§
PLANO 2 – 7:00hs às 10:00hs
Para este intervalo o FUNNCON estabeleceu apenas uma temporização (Tabela 5-5).
A programação semafórica e os planos de fases do FUNNCON-f estão na Tabela 5-11.
Plano
1
2
Duração do
Ciclo (seg)
200
178
Duração da
Fase 1 (seg)
176
154
Duração da
Fase 2 (seg)
24
24
Tabela 5-9 – Programação semafórica e planos de fases do FUNNCON-f
A avaliação do desempenho do FUNNCON-f é realizada com o mesmo conjunto de
15 amostras utilizado anteriormente; e da mesma forma, para cada amostra é criado um
cenário no Synchro com os volumes reais correspondentes. Em seguida o cenário é simulado
no SimTraffic (Figura 5-11) e as medidas de eficiência do controle são obtidas.
avaliados.
Atraso (hr)
Tempo de Parado
Viagem
Intervalo
06:15
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
06:30
06:45
07:00
07:15
07:30
07:45
08:00
08:15
08:30
08:45
09:00
09:15
09:30
09:45
10:00
Total
2.4
4.9
6.8
40.3
40.4
57.6
62.1
54.4
64.2
45.9
62.7
61.6
45.8
40.5
41.4
1.4
2.2
2.9
30.8
31.2
46.2
51.4
43.4
51.6
36.5
50.3
49.5
37.7
31.3
32.9
631
499.3
Paradas Tempo de Consumo (l)
Viagem
(hr)
165
7.8
193.8
291
12.6
241.1
363
15.3
246.9
1077
49.2
236.8
1108
48.6
232.9
1303
66.4
240.2
1216
70.3
250.3
1206
62.4
217.5
1337
72.4
233.6
1160
54.3
232.9
1409
71
232.6
1433
69.8
232.2
995
54.2
253.1
1137
49.2
230.2
1075
50
245.8
15275
753.5
3519.9
HC
Emissões (g)
CO
NOx
130
155
150
147
145
152
158
142
149
145
150
149
156
144
150
8590
9200
8004
4595
4604
3267
3703
3292
2878
4198
3111
3218
4906
4343
4685
519
650
648
469
457
405
415
370
353
446
370
370
502
468
499
2222
72594
6941
Tabela 5-10 – Medidas de eficiência do FUNNCON-f de 6:15hs às 10:00hs
54
5.6
COMPARAÇÃO
Na Tabela 5-11 os resultados do FUNNCON e do FUNNCON-f são comparados com
os resultados do controle fixo da CET-Rio.
Controle
CET
Atraso (hr)
Tempo de Parado Paradas Tempo de Consumo
Viagem
Viagem (hr)
(l)
945.8
775.7 22535
1067.2
3352.7
HC
Emissões (g)
CO
NOx
2202
44381
5097
6874
FUNNCON
Redução (%)
631.5
499.2
15499
753.8
3511.1
2205
71282
33.23
35.65
31.22
29.37
-4.72
-0.14
-60.61 -34.86
FUNNCON-f
631
499.3
15275
753.5
3519.9
2222
72594
Redução (%)
33.28
35.63
32.22
29.39
-4.99
-0.91
-63.57 -36.18
6941
Tabela 5-11 – Comparação do FUNNCON e do FUNNCON-f com o controle fixo da CET-Rio
Em relação ao controle fixo da CET-Rio, o FUNNCON obteve uma redução entre
30% e 35% nas principais medidas de eficiência.
Observa-se que, com o FUNNCON, foi registrado um aumento no consumo de
combustível e na emissão de gases poluentes. Em princípio este é um comportamento não
intuitivo, pois o consumo e a emissão de gases deveriam ser proporcionais ao número de
paradas e aos atrasos. Mas, em uma rede congestionada, vários veículos podem estar parados;
logo eles emitem e consomem menos (por segundo) do que um veículo em movimento. Desta
forma, é possível que, melhorando o fluxo de tráfego, mais carros estejam se movendo
causando um aumento nas emissões e no consumo.
Nota-se que apesar da simplificação, o FUNNCON-f obteve resultados tão bons
quanto os do FUNNCON.
55
6
CONCLUSÃO E TRABALHOS FUTUROS
6.1
CONCLUSÕES
O principal objetivo do trabalho foi a elaboração
de um controlador eficiente de
semáforos através de lógica fuzzy e redes neurais. Para isso foi apresentado um novo modelo
de sistema de controle de semáforos – denominado FUNNCON – para um único cruzamento.
A este modelo foram aplicados dados reais obtidos junto à CET-Rio e os resultados foram
comparados aos proporcionados por um controlador de planos fixos atualmente em operação.
Observou-se que as redes neurais obtiveram bons resultados na predição de tráfego
futuro, com erros de estimação variando de 3% a 4,5%. Também pôde ser notado que as
regras fuzzy criadas a partir de cenários otimizados pelo Synchro conseguiram controlar o
cruzamento estudado, fazendo com que o FUNNCON seja melhor do que o controle
implementado pela CET-Rio (Tabela 5-11). Finalmente, o FUNNCON foi transformado em
um controle fixo – o FUNNCON-f – proporcionando resultados similares.
6.2
TRABALHOS FUTUROS
Para generalizar os resultados obtidos, o FUNNCON deve ser experimentado com
dados mais extensos e para outros cruzamentos. No caso do FUNNCON-f, é importante
salientar que os resultados encontrados estão fortemente vinculados à pouca variação do
volume de veículos em certos horários; consequentemente seria prematuro generalizar os seus
benefícios.
Também seria interessante expandir o controlador para uma rede de vias, desde a que
envolve um corredor principal (avenida ou via arterial) e várias rua secundárias, até aquelas
que possuem uma malha de avenidas que se cruzam – cada uma constitui um sistema de
tráfego diferente.
56
REFERÊNCIAS BIBLIOGRÁFICAS
[1]
Institute of Transportation Engineers, Institute of Transportation Engineers Directory,
Junho 1995, p. A-29
[2]
Roess, R. P., McShane, W. R., Prassas, E. R., Traffic Engineering, Pretince Hall, 2nd
Edition
[3]
May, A. D., Traffic Flow Fundamentals, Prentice Hall, 1990.
[4]
ITS Decision, California PATH, Traffic Signal Control,
http://www.path.berkeley.edu/~leap/TTM/Traffic_Control/traffic_signal_report.htm
[5]
Gartner, Nathan, Stamatindius, Tarnoff, Development of Advanced Traffic Signal
Control Strategies for ITS, Transportation Research Record 1494, 1996.
[6]
Kagolam, K., A Comparative Study of Traffic Control Systems, Institute of
Transportation Engineers, 1994 Compedium of Technical Papers
[7]
Jagannathan, R., Khan, A. M., Methodology for the Assessment of Traffic Adaptative
Control Systems, ITE Journal, Junho 2001
[8]
Allsop, R. E., Computer Program SIGSET for Calculating Delay-Minimising Traffic
Signal Timings – Description and Manual for Users, University College London,
Research Report, September 1981
[9]
Barnard, C. J., and Shaw, I. S., Adaptive Control of a Traffic Intersection by Means of a
Neural Network, 1995
[10] Kagolamu, K., Fink, R., Smartt, H., Powell, R., Larsen, E., An Intelligent Traffic
Controller, Novembro 1995
[11] Center for Optimization & Semantic Control (COSC ), Washington University, St.
Louis, Missouri, Decision and Control Project Page,
http://rodin.wustl.edu/doc1.html
[12] Haykin, S., Neural Netwoks A Comprehensive Foundation, Prentice Hall, second
edition, 1999
[13] Foy, M. D., Benekohal, R. F., and Goldberg, D. E., Signal Timing Determination Using
Genetic Algorithms, Transportation Research Record 1365, TRB, National Research
Council, Washington, D.C., 1992, pp. 108-115
[14] Hadi, M. A., and Wallace, C. E., Hybrid Genetic Algorithm To Optimize Signal Phasing
and Timing, Transportation Research Record 1421, TRB, National Research Council,
Washington, D.C., 1993, pp. 104-112
57
[15] Abu-Lebdeh, G., Benekohal, R. F., Development of Traffic Control and Queue
Management Procedures for Oversaturated Arterials, Transportation Research Record
1603, p.119-127
[16] Abu-Lebdeh, G., Benekohal, R. F., Genetic Algorithms for Traffic Signal Control and
Queue Management of Oversaturated Two-Way Arterials, Transportation Research
Record 1727, p.61-67
[17] Abu-Lebdeh, G., Benekohal, R. F., Computational Issues in Micro-Genetic Algorithms
for Traffic Management, Transportation Research Record 1679, p.112-118
[18] Abu-Lebdeh, G., Benekohal, R. F., Signal Coordination and Arterial Capacity in
Oversaturated Conditions, Transportation Research Record 1727, p.68-76
[19] BBN Technologies, Optiziming Traffic Flow Using Genetic Programming,
http://vishnu.bbn.com/papers/traffic/
[20] Fwa, T. F., Chan, W. T., and Tan, C. Y., Road-Maintenance Planning Using Genetic
Algorithms II: Analysis, Journal of Transportation Engineering, Vol. 120, No. 5,
Sept./Oct. 1994, pp. 693-709
[21] Chan, W. T., Fwa, T. F., and Tan, C. Y., Road-Maintenance Planning Using Genetic
Algorithms I: Formulation, Journal of Transportation Engineering, Vol. 120, No. 5,
Sept./Oct. 1994, pp. 693-709
[22] Memon, G. Q., Bullen, A. G. R., Multivariate Optimization Strategies for Real-Time
Traffic Control Signals, Transportation Research Record 1554, p.36-42
[23] Rentería, A. R., Pacheco, M. A. C., Identificação Robusta de Modelos Lineares por
Partes Através de Algoritmos Genéticos, ENIA, 2001
[24] Transportation Software Survey 2000,
http://www.trafficware.com/survey2000.htm
[25] Pappis, C. P., Mamdani, E. H., A Fuzzy Logic Controller for a Traffic Junction, IEEE
Transaction on Systems, Man, and Cybernetics, Vol. SMC-7, no. 10, outubro 1977
[26] Machion, Andréia, Um Controle Adaptativo Baseado em Lógica Nebulosa para Tráfego
Urbano, Tese de Mestrado, UNICAMP, Julho 1993
[27] Chin, S., Chand, S., Adaptative Traffic Signal Control Using Fuzzy Logic, 2nd IEEE
International Conference on Fuzzy Systems, Vol. II, Março/Abril 1993
[28] Wang, L. X., Mendel, J. M., Generating Fuzzy Rules by Learning From Examples,
IEEE Transactions on Systems, Man, and Cybernetics, Vol. 22, No. 6,
Novembro/Dezembro 1992
58
[29] Mendel, J. M., Fuzzy Logic Systems for Engineering: A Tutorial, Proceedings of the
IEEE, Vol. 83, No. 3, Março 1995
[30] Bishop, C. M.: “Neural Netowrks for Pattern Recognition”, Oxford University Press
Inc., 1995
[31] Trafficware, Synchro User Guide Version 5.0
[32] George J. Klir/Bo Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications,
Prentice Hall PTR, 1995.
[33] Trafficware, SimTraffic User Guide Version 5.0
59

controle de semáforos por lógica fuzzy e redes neurais

Transcrição

Documentos relacionados

Engenharia de Tráfego - departamento de transportes da ufpr

02/09 - Infraero conclui curso de inglês para profissionais de tráfego

Controladores aéreos

Concurso Controlador Tráfego Aéreo

Glossário de inglês técnico aeronáutico

Controladores de tráfego aéreo são homenageados na

PENSE ANTI-DDoS. PENSE EMBRATEL.

Companhia de Engenharia de Tráfego enharia de

identificação da empresa

Os Mecanismos de Qualidade de Serviço em Redes IP