22 SIMPÓSIO BRASILEIRO DE AUTOMAÇÃO INTELIGENTE CEFET-PR, 13 a 15 de Setembro de 1995 Curitiba . Paraná

UM SISTEMA CONEXIONISTA ADAPTATIVO DIFUSO PARA CONTROLE DE TRÁFEGO

URBANO

Angelita Maria De Ré, Msc.

Curso de Pós-Graduação em Ciência da Computação . Universidade Federal de Santa Catarina

Caixa Postal 476 Fax: 0482-319770

CEP 88040-900 Florianópolis -SC. angelita@inf. ufsc. br

Rogério C. Bastos, Dr.

Departamento de Informática e de Estatística (INE) Universidade Federal de Santa Catarina

Caixa Postal 476 Fax: 0482-319770

CEP 88040-900 Florianópolis -SC. rogério@inf.ufsc.br

Resumo

Sistemas baseados em conjuntos difusos têm apresentado grande aplicabilidade em problemas de controle e, principalmente, nos casos de maior complexidade na modelagem de sistemas. Neste trabalho é proposta uma abordagem através de redes neurais para ampliar o escopo de controle, possibilitando a atualização do conjunto de regras da máquina de inferência de sistemas inteligentes. Como exemplo de aplicação, desenvolve-se um controlador de tráfego urbano para uma interseção isolada, no qual apresenta-se uma estratégia difusa, através de esquemas adaptativos. Isto é feito pelo ajuste de funções de pertinência de acordo com determinadas condições de tráfego. Para o desenvolvimento do sistema de controle de tráfego baseado em redes neurais difusas propõe-se a utilização do sistema NEFCON-I (Neural Fuzzy Controller).

S6

1.1NTRODUÇÃO A lógica difusa propiciou o tratamento e a incorporação de conceitos vagos (ou imprecisos) existentes na modelagem de processos complexos. Por outro lado, redes neurais são ferramentas computacionais baseadas no raciocínio e tomada de decisão humanos. Seu uso é bastante amplo no que diz respeito ao controle e processamento de sinais e imagens, tradução automática de texto para voz, reconhecimento de padrões, prognóstico de reações químicas, etc [CAL92].

A união destas duas abordagens permite a criação de modelos inteligentes para sistemas nos quais as informações disponíveis são incertas, vagas e imprecisas. Sistemas para controle de tráfego são exemplos de tais situações e a consideração de implementações eficientes, em tempo real, conduz a criação e defmição de uma máquina de inferência bastante complexa [FAV93].

Este trabalho apresenta o desenvolvimento de um sistema conexionista adaptativo difuso, que uti­lizando redes neurais e lógica difusa, realiza o controle de tráfego de uma maneira mais eficiente [RÉ95].

2.CONTROLADORES COS DIFUSOS

LÓGI-

Os sistemas . difusos podem tomar a operação de um processo mais eficiente e confortável. Exemplos de aplicações de sistemas difusos podem ser vistos em tarefas como controle de temperatura, velocidade, fluxo, pressão e outras e, com isso, podendo alcançar redução dos custos, gastos de energia e prolongar a vida útil das máquinas [KOS94].

Em um controlador lógico difuso, o com­portamento dinâmico de um sistema é caracterizado por um conjunto de descrições lingüísticas de regras baseadas no conhecimento de um especialista.

A configuração básica de um controlador lógico difuso apresenta quatro componentes impor­tantes: a interface de fuzificação básica, a base 'de conhecimento, tomada de decisão lógica e a interface de defuzificação[LEE90].

A fuzificação de entradas é o processo no qual um elemento, pela combinação de valores reais com funções de pertinência armazenadas, produz valores de entrada difusos. A base de co­nhecimento contém o conhecimento do domínio

2' SIMPÓSIO BRASILEIRO DE AUTOMAÇAO INTELIGENTE ~

I~

da aplicação e o controle das metas. A lógica de tomada de decisão tem a capacidade de simular a tomada de decisão humana baseada no conceito difuso. A defuzificação interpreta, usando valores de funções de pertinência, o significado da ação vaga (difusa) permitindo uma ação de controle.

3.CONTROLADORES ADAPTA­TIVOS DIFUSOS PARA CON­TROLE DE TRÁFEGO URBANO Para o controle do fluxo de veículos em uma interseção são utilizados semáforos. O ciclo de um semáforo é dividido em fases, cada fase sendo uma parte de tempo do ciclo alocado para um ou mais movimentos de pedestres ' ou tráfego. Como estratégia de controle considera-se a alteração do tempo de sinal verde (tamanho do ciclo) para possibilitar a movimentação do tráfego evitando assim o congestionamento. Mas o principal proble­ma encontrado é o fato de que cada interseção possui características próprias como: layout físico, fluxo de veículos, movimento de pedestres e outros.

Um controlador adaptativo baseado em lógica difusa usa uma nova estratégia para controle a qual depende do contexto. Através do ajuste automático das funções de pertinência de acordo com as diferentes condições de tráfego é possível otimizar o desenvolvimento do controlador para uma ampla série de condições de tráfego[FAV93].

O controlador lógico difuso possui a capacidade de comparar a chegada de veículos em uma direção, que tem a fase verde, com tempo médio de espera na fila dos veículos no qual o sentido esta vermelho. Com base nessas informações o sistema de controle decide se amplia ou não o tempo de sinal verde para escoar o fluxo de veiculos da melhor forma possível.

4.UTILIZAÇÃO DO ·NEFCON-I A união entre a lógica dos conjuntos difusos e as redes neurais . pode conduzir a sistemas altamente especializados[NAU94]. Nesses sistemas, o co­nhecimento humano e sua habilidade de produzir soluções poderá ser imitado e, consequentemente, soluções são obtidas rapidamente, dada a alta capacidade de processamento. Um fator fun­damental é o de que uma parte complementa a outra, permitindo a solução de problemas através

21 SIMPÓSIO BRASILEIRO DE AUTOMAÇAO INTELIGENTE

de uma nova abordagem. Pode-se perceber isso, observando que em sistemas difusos não há capacidade da máquina aprender, memorizar ou reconhecer padrões e com a utilização das redes neurais essas capacidades são adicionadas. Dentro da teoria de conjuntos difusos podem ocorrer escolhas arbitrárias com relação a forma da função de pertinência e a qualidade do controlador difuso pode ser influênciada pela troca nas formas, sendo portanto, necessários métodos para ajustar um controlador difuso através de redes neurais [NAU94].

O modelo NEFCON-I é derivado de um modelo genérico do perceptron difuso de três camadas, as quais consistem em uma camada de entrada, uma camada oculta "regra" e uma camada de saída. As conexões entre as camadas são formadas por conjuntos difusos. Cada camada contém um número de unidades, onde a "unidade de regra" propaga . os valores de entrada avaliando o conjunto de regras difusas if-then utilizadas em controle difuso. O processo de aprendizagem difuso é baseado no erro difuso o qual pode ser derivado diretamente pela comparação entre o valor de saída desejado e o atual ou, indiretamente, por um conjunto de regras difusas descrevendo o erro em relação à performance da rede. O erro é, então, propagado na arquitetura de forma a adaptar a função de pertinência. .

5.APLICAÇÃO DE UM SISTEMA CONEXIONISTA ADAPTATIVO EM PROBLE-MAS DE CONTROLE DE TRÁFEGO URBANO A junção da teoria de conjuntos difusos (extremamente útil para modelar processos cuja maior fonte de informação são de caráter subjetivo e expressos, na maioria das vezes, em linguagem natural) e esquemas de reconhecimento adap­tativos como redes neurais (procuram imitar o modo de pensar humano) constitui-se numa forma de criar o "processamento inteligente".

Neste trabalho, o · problema tratado foi o desenvolvimento de um sistema inteligente para o controle de um ponto de interseção sujeito a um volume intenso de tráfego.

Nesse contexto, um dos maiores problemas é fazer com que o semáforo se adapte aos diferentes fluxos de veículos que podem ocorrer. Existem situações nas quais devido a agentes externos,

57

durante algumas horas do dia, o fluxo de veículos toma-se intenso fazendo com que os carros formem grandes filas, e deste modo o congestionamento é inevitável. A figura 1 apresenta uma interseção isolada.

Fig. 1 - Interseção.

Para solucionar esse problema utilizou-se um controlador neural difuso, fazendo com que o controle possa identificar e se adaptar a diferentes situações, de fluxo de tráfego, períodos considerados e etc.

Para o desenvolvimento da aplicação foi con­siderado o sistema NEFCON-I, o qual permite obter o ajuste nas funções de pertinência determinadas para o controle de tráfego, bem como dos conjuntos difusos que descrevem as condições observadas na via. Através desse ajuste obtém-se um melhor controle de todo o processo. Esse sistema necessita da defmição de variáveis lingüísticas que representam as entradas do pro­cesso a ser controlado; variáveis lingüísticas para a caracterização do erro e uma base de regras lingüísticas para descrever o controle pretendido e, fmalmente, uma base para o erro com o intuito de direcionar o processo de aprendizado.

As variáveis lingüísticas de entrada defmidas foram: Fluxo de veículos que estão ultrapassando o sinal verde e o tempo médio de Espera para os veículos que estão na fila de sinal vermelho.

Os conjuntos difusos para a variável lingüística Espera foram considerados: zero(ze), muito pequena(mp), pequena(pe), médio pe-quena(mep), médio grande(meg), grande (gr), muito grande (mg) e satiirada(st).

Para a variável lingüística Fluxo definiram-se os seguintes conjuntos: zero(ze), muito pequeno(mp), pequeno(pe), médio pequeno(mep), médio grande(meg), grande (gr) muito grande (mg) e saturado(st).

Para a verificação dessa abordagem foi realizado um estudo de simulação do tráfego de veículos em uma interseção. A simulação foi realizada utilizando-se a linguagem C++ e os tempos

58

adotados foram considerados a partir de ex­periências empíricas e consulta a especialistas.

A figura 2 apresenta a caracterização dessa variável lingüística.

Pertinência

ze mp pe mep meg gr mg st

o tempo médio de espera 400

Fig. 2- Conj. difuso tempo médio de Espera

A figura 3 descreve os conjuntos difusos da variável lingüística fluxo de veículos

Pertinência

ze mp pe mep meg gr mg st

Fig.3 - Conj. difuso Fluxo de veículos

A variável lingüística de saída é o Tempo que o sinal deve permanecer aberto para que o escoamanento de veículos ocorra da melhor forma possível, impedindo assim o congestionamento do tráfego. O controlador informa ao NEFCON-I o Fluxo e a Espera na fila, através do ajuste das funções de pertinência dos respectivos conjuntos e consulta à base de regras lingüísticas. Realizando as operações de consulta e ajuste referidas, o NEFCON-I tem condições de determinar a inversão ou a permanência do sinal. O NEFCON-I defuzifica a saída, utilizando os seguintes conjuntos difusos: inverte grande(ig), inverte médio(im), inverte pequeno(ip), inverte zero(iz), permanece zero(pz), permanece . pequeno(pp), permanece médio(pm), permanece grande(pg). Foi con­vencionado que os valores desses conjuntos pertencem ao intervalo [-1,1], onde é estabelecido que os valores negativos correspondem a inversão do sinal e os valores positivos a permanência do sinal.

6.RESUL TADOS OBTIDOS Para fms de verificação, o estudo de simulação realizado considerou a utilização de esquemas tradicionais de controle [LEI80] e foram ar-

2' SIMPÓSIO BRASILEIRO DE AUTOMAÇAO INTELIGENTE ~

I~

bitrados tempos fIXos para abertura de 15 à 40 segundos para cada lado.

Uma comparação entre os valores de espera média na fila, desvio padrão, valor máximo, valor mínimo e coeficiente de variação para as variáveis tempo médio de espera e fila de veículos é realizada nas tabelas 1,2,3 e 4.

Tab. 1 - Tempos de sinal aberto Norte-Sul Tempo médio de Espera Méd. D.P Máx. Min.

T-15 215.62 96.70 654 33 T-20 225.63 79.26 504 84 T-25 273.70 81.72 573 83 T-30 363.79 91.28 700 139 T-35 466.19 105.31 793 158 T-40 589.72 133.24 1023 242 NEF 215.88 43.37 396 128

Coef 0.44 0.35 0.29 0.25 0.22 0.22 0.20

Tab. 2 - Tempos de sinal aberto Norte-Sul Fila de Veículos Méd. D.P Máx. Min. Coef

T-15 15.97 4.55 34 4 0.28 T-20 16.38 4.11 31 4 0.25 T-25 18.26 4.25 35 5 0.23 T-30 20.99 4.43 35 9 0.21 T-35 24.25 4.59 41 9 0.18 T-40 27.00 4.88 45 11 0.18 NEF 16.14 2.98 29 7 0.18

Tab.3 - Tempos de sinal aberto Leste-Oeste Tempo médio de Espera.

Méd. D.P Máx. Min. Coef T-15 202.53 90.15 716 44 0.44 T-20 223.38 74.01 624 56 0.33 T-25 273.82 74.92 549 78 0.27 T-30 355.86 89.90 732 148 0.25 T-35 475.90 108.01 755 207 0.22 T-40 591.06 131.98 999 302 0.22 NEF 209.43 39.62 374 106 0.18 .

Tab.4 - Tempos de sinal aberto Leste-Oeste Fila de veículos.

Méd. D.P Máx Min. Coef T-15 15.60 4.39 34 3 0.28 T-20 16.36 4.09 34 5 0.25 T-25 18.51 4.21 35 7 0.22 T-30 20.87 4.28 39 8 0.20 T-35 23.82 4.89 40 9 0.20 T-40 27.14 4.97 44 12 0.18 NEF 16.14 3.08 29 1 0.19

De acordo com os resultados obtidos nas simulações efetuadas para diferentes tempos de sinal aberto, o sistema neural difuso NEFCON-I, demonstra ser mais estável em relação aos demais valores médios obtidos pelo controle convencional. O NEFCON-I alcançou um estado de equilíbrio fazendo com que o tempo médio de espera na fila nunca ultrapasse um máximo de 400 segundos.

,-

2! SIMPÓSIO BRASILEIRO DE AUTOMAÇAO INTELIGENTE

Nota-se, pelo exame dos gráficos, que o controle realizado pelo sistema adaptativo proposto é superior ao controle convencional (tempos fixos), conduzindo sempre a valores inferiores e com variação mínima. Recomenda-se, entretanto, a realização de análises estatísticas mais elaboradas sobre os resultados obtidos. Os resultados obtidos podem ser visualizados nas figuras 4 e 5.

Fila Máxima e Mínima para o sentido N-S

50

,n 4 /1\

/ ~

/ \ :n ~ 3

'n 2

r ,- ....

.... ,- " .-- -- - .

O T15-NS T25-NS T35-NS NEF-NS -Q- MX-.,;,FI

T20-NS T30-NS T40-NS{)- MN_FI

Fig. 4 - Gráfico da fila máxima e mínima para o sentido N-S

Coeficiente de Variação

o 041

o o"

o o.ol! 1\ o 03' \ 00 3 f\

\ 00 2 ~ ,

\ , /

, 2 .... ........ 00

.... .... "'" ~ ~ ~ o":: o .... ,i- __ - -':

00 1f T15-NS T25-NS T35-NS NEF-NS -Q- CV _ES

T20-NS T30-NS T40-NS , J':" CV_FIL

Fig. 5 - Gráfico do coeficiente de variação para espera na fila e fila de veículos

7. CONCLUSÃO O desenvolvimento deste trabalho abordou um

estudo sobre sistemas adaptativos difusos de controle de processos dinâmicos.

S9

A partir da junção da teoria dos conjuntos difusos, a qual pennite modelar processos nos quais a maior parte da infonnação tem caráter subjetivo e expresso em linguagem natural, e o reconhecimento adaptativo através das redes neurais, as quais procuram extrair infonnações a partir de um conjunto de ações que imitam o modo de pensar humano, pode-se criar o "processamento inteligente" .

O controlador desenvolvido apresenta uma estratégia difusa através de esquemas adaptativos. A estratégia adotada utiliza o ajuste de funções de pertinência de acordo com condições de tráfego verificadas. Para o desenvolvimento do sistema de controle foi utilizado o sistema NEFCON-I (Neural Fuzzy Controller).

N ovos estudos estão sendo realizados com o intuito de desenvolver processadores dedicados que pennitam a utiliZação dessa fonna de controle em situações reais.

Referências Bibliográficas [CAL92]

[FAV93]

[GUP91]

[KOS94]

[LEE90]

[LEI80]

[NAU94]

CALÔBA, L. ,Introdução a Compu­tação Neuronal, Coppe & EEIUFRJ, 1992.

FA VILLA,J.,MACHION,A.,GOMID E,F.,GUDWIN,R., Adaptive Fuzzy Logic Basead U rban Tramc Con­trol, 3rd IAKE Annual Sym-posium, Washsington, Nov. 1992.

GUPT A, M., Cognition, Perception and Uncertaninty, Fuzzy Logic in Knowledge-Based Systems, Decision and Control, Gupta-Y amakawa Editors, 1991.

KOSKO,B. Fuzzy Thinking the New Science of " Fuzzy ' Logic, Hyperion, New York, 1994 .

LEE,C., Fuzzy " Logic Control , Systems: Fuzzy Logic Controller­Part I, IEEE Transaction on Systems, Man and Cibemetics, vaI, 20, No. 2, March/ Abril 1990.

LEITE,J.ENGENHARIA DE TRÁ­FEGO métodos de pesquisa, carac­terísticas de tráfego, interseções e sinais luminosos, Companhia de Engenharia de Tráfego -CET, 1980.

NAUCK,D and KRUSE,R., NEFCON";I: An X-Window Based Simulator for Neural Fuzzy

60

[RÉ95]

[VI093]

Controllers, Departament of Computer Science Technical University of Braunschweig, 1994.

DE RÉ, Angelita M., Sistemas Co­nexionistas Adaptativos Aplicados a Problemas de Controle de Trá­fego Urbano, Curso de Pós-Gra­duação em Ciência da Computação, UFSC, 1995.

VIOT, Greg, Fuzzy Logic in C, Dr. Dobb's Joumal, February, 1993.

~2'~1 2' SIMPÓSIO BRASILEIRO DE ~ AUTOMAÇAO INTELIGENTE