View : 11 Download: 0

퍼지-신경망 모델과 예측기법을 이용한 교통 신호 제어

퍼지-신경망 모델과 예측기법을 이용한 교통 신호 제어
Other Titles
Traffic Signal Control using Fuzzy-Neural model and Prediction Method
Issue Date
대학원 전자계산학과
퍼지-신경망 모델예측기법교통 신호교통 신호 제어
이화여자대학교 대학원
Ever increasing traffic in Korea necessitates an innovative solution for our traffic control system. Delay problem which happens at the intersection causes traffic jam not only at the intersection but also over traffic network nearby. One of methods to solve this problem is to implore the signal system efficiently by using intelligent method. Several Traffic signal control methods were proposed to increase the utility of roads. The general concept of fuzzy traffic signal control which is one of methods of intelligent signal control is adding a role of fuzzy controller to the traffic signal decision algorithm. It makes the inference process resemble mathematical framework to capture the uncertainties associated with human cognitive processes. Standard fuzzy set parameters are assumed and the fuzzy set membership values for each input variable either forms the input vector to the network. The fuzzy neural networks have the potential to capture the benefits of the two fascinating field. Fuzzy inference rules are decided by designer's trial and errors and the rule is not changed after the experiment according to the behavior of controller. The proposed system uses the fuzzy-neural model and the prediction method. The Fuzzy-neural model consists of learning the acquired data at the intersection at T-time zone. T-time zone Maximum traffic and T-time zone Real traffic were retained as a reference traffic. The reference traffic is regarded as traffic variation patterns and can be used to learn the fuzzy-neural model to create the predicted traffic. Proposed system is f9r efficient and adaptable traffic signal control. The preprocessing phase which depends upon learning algorithm of error backpropagation is added to the controller. As a result of learning, controller gets another fuzzy value could be used at the next fuzzy inference phase. The acquired fuzzy value means the urgency degree of each road, so could be applied to fuzzy inference phase with other input values like the number of waiting cars and red_sig waiting time. The proposed fuzzy inference rule consists of 49 rules. According to the urgency of roads appropriate rule is adopted to decide the traffic signal phase. The simulation of this system is made at the one intersection with 4 roads. And the situations are about traffic increasing pattern, traffic decreasing pattern, traffic randomly changing pattern and traffic increasing pattern only to two directions. According to the result, the number of waiting cars have decreased comparing with the conventional fuzzy controller.;교통은 사회의 견인차적인 역할을 하면서 우리 사회의 중요한 기능으로 인식되어 있다. 이와 같은 교통의 긍정적인 효과에 반하여 현재 우리 나라의 교통여건은 교통신호 체계나 도로여건 등 미흡한 문제들이 많다. 이에 대해 도로의 활용률을 높이기 위한 방안으로 인공지능기법을 이용한 교통 신호 제어 방법이 많이 제안되어 왔다. 인공 지능적인 신호제어 방법의 하나인 퍼지 교통 신호 제어는 교통 신호 제어를 위한 신호시간 결정 알고리즘에 퍼지이론을 도입한 퍼지제어기의 역할을 추가시켜 인간의 의사결정과정을 모방한 추론을 행하도록 하는 것이다. 그러나 기존의 퍼지제어에서는 규칙이 시스템의 경험에 의해 학습되지 못하고 고정되는 단점이 있어, 본 논문에서는 기존의 퍼지 제어기의 기능을 보완하고 신호제어에 적합한 제어기를 설계하기 위한 퍼지-신경망 모델을 제안한다. 제안한 모델은 신경망을 이용한 전처리 단계를 도입하여 퍼지 추론 규칙들을 생성함으로써 보다 융통성 있는 제어를 하고자 하였다. 제안한 모델은 신경망과 퍼지이론을 결합한 형태로서 교통 신호 제어에서 사용가능한 입출력 패턴을 만들어 학습시키고, 기존의 교통데이터가 일련의 학습과정을 거쳐 신호제어에 활용될 수 있도록 하였다. 이를 위해 일정시간대에 도로를 통과하는 차량 수와 같은 가변 데이터들을 학습시킴으로써 융통성 있는 규칙들을 제공하고 다음 단계에서 사용 가능한 제어값을 만들어 내었다. 또한, 도로상황을 예측해볼 수 있는 방법을 제안하고 예측 결과를 포함한 교통 데이터들이 실제로 도로상의 데이터들과 함께 퍼지 추론에 적용될 수 있는 규칙을 만들었다. 제안한 모델을 4지 독립 교차로를 대상으로 도로의 몇 가지 상황을 가정하여 실험했으며 기존의 퍼지제어방법에 비해 우수한 성능을 보였다.
Show the fulltext
Appears in Collections:
일반대학원 > 컴퓨터공학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.