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. rogé[email protected]
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