Imagem da capa

Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego

It is proposed in this dissertation a traffic optimization model based on neuro-fuzzy inference systems (ANFIS) to be applied in real-time optimization, targeting the architecture of the traffic control system deployed in the city of Curitiba, considering its properties and restrictions. The model p...

ver descrição completa

Autor principal: Gobbo, Alexandre Fadel
Formato: Dissertação
Idioma: Português
Publicado em: Centro Federal de Educação Tecnológica do Paraná 2010
Assuntos:
Engenharia de tráfego
Traffic engineering
Acesso em linha: http://repositorio.utfpr.edu.br/jspui/handle/1/94
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id riut-1-94
recordtype dspace
spelling riut-1-942020-06-03T17:42:02Z Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego Gobbo, Alexandre Fadel Stadzisz, Paulo Cézar Engenharia de tráfego Traffic engineering It is proposed in this dissertation a traffic optimization model based on neuro-fuzzy inference systems (ANFIS) to be applied in real-time optimization, targeting the architecture of the traffic control system deployed in the city of Curitiba, considering its properties and restrictions. The model presented herein has a similar approach to the best known dynamic traffic optimization system, SCOOT, implementing hill-climbing optimization on a performance index defined as a weighted sum of the links' measures of effectiveness. However, the nature of the traffic flow sampling in Curitiba, by not distinguishing the flow tuning rates, implies the simulation model should be closer to those implemented by offline traffic simulation tools. Transyt, which is one of the most popular offline traffic simulators, was used in order to generate training data and as a reference to validate the results. Real-time optimization based on the mathematical model of Transyt cannot be applied to systems with a large number of intersections in the current state of technology, due to the high computational costs of the algorithms, unless by imposing restrictions on the search space. ANFIS was used in order to capture the knowledge of the simulator, which means to approximate Transyt's outputs. ANFIS was chosen due to its precision and low execution time. Its estimations made it possible the real-time execution of optimization algorithms for a very large number of intersections. Regarding the optimization processes, well-known methods such as EQUISAT and hill-climbing were used. A hybrid optimization method was also validated using a genetic algorithm to provide an initial state for the hill-climbing method. Neste trabalho propõe-se um método de otimização de tráfego baseado em sistemas de inferência neuro-fuzzy (ANFIS). Esse método deve ser aplicável a um contexto de otimização em tempo real e orientado à arquitetura do sistema de controle de tráfego da cidade de Curitiba, considerando suas características e restrições. O modelo proposto apresenta similaridades com o principal sistema de otimização dinâmica de tráfego existente, denominado SCOOT, empregando o método hill-climbing sobre um índice de desempenho calculado pela ponderação das estimativas de eficiência dos links. Entretanto, a amostragem de dados de fluxo no sistema de Curitiba, por não fornecer medida das conversões em tempo real, determina que o modelo de simulação seja mais aproximado ao utilizado por ferramentas offline de otimização. Empregou-se o Transyt, uma das mais populares ferramentas de simulação e otimização offline, na geração de dados de treinamento ao ANFIS e como referência para validação dos resultados. O alto custo computacional do modelo matemático implementado no Transyt impede sua aplicação na otimização em tempo real de um grande número de cruzamentos sem que se imponha restrições no espaço de busca. Utilizou-se o ANFIS para extrair o conhecimento do simulador, ou seja, aproximar seus resultados. Optou-se pelo ANFIS por apresentar boa precisão e baixo custo computacional e assim sua utilização viabilizou a execução de algoritmos de otimização para um grande número de cruzamentos. Com relação aos processos de otimização, utilizou-se métodos consagrados como o EQUISAT e o hill-climbing, mas também foi avaliado o uso de um algoritmo genético para geração de um estado inicial ao hill-climbing, em um otimizador híbrido. 2010-10-13T17:57:26Z 2010-10-13T17:57:26Z 2005 13/10/2010 masterThesis GOBBO, Alexandre Fadel. Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego. 2005. 94 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) – Universidade Tecnológica Federal do Paraná, Curitiba, 2005. http://repositorio.utfpr.edu.br/jspui/handle/1/94 por openAccess 1,86 MB application/pdf Centro Federal de Educação Tecnológica do Paraná Curitiba Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
institution Universidade Tecnológica Federal do Paraná
collection RIUT
language Português
topic Engenharia de tráfego
Traffic engineering
spellingShingle Engenharia de tráfego
Traffic engineering
Gobbo, Alexandre Fadel
Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego
description It is proposed in this dissertation a traffic optimization model based on neuro-fuzzy inference systems (ANFIS) to be applied in real-time optimization, targeting the architecture of the traffic control system deployed in the city of Curitiba, considering its properties and restrictions. The model presented herein has a similar approach to the best known dynamic traffic optimization system, SCOOT, implementing hill-climbing optimization on a performance index defined as a weighted sum of the links' measures of effectiveness. However, the nature of the traffic flow sampling in Curitiba, by not distinguishing the flow tuning rates, implies the simulation model should be closer to those implemented by offline traffic simulation tools. Transyt, which is one of the most popular offline traffic simulators, was used in order to generate training data and as a reference to validate the results. Real-time optimization based on the mathematical model of Transyt cannot be applied to systems with a large number of intersections in the current state of technology, due to the high computational costs of the algorithms, unless by imposing restrictions on the search space. ANFIS was used in order to capture the knowledge of the simulator, which means to approximate Transyt's outputs. ANFIS was chosen due to its precision and low execution time. Its estimations made it possible the real-time execution of optimization algorithms for a very large number of intersections. Regarding the optimization processes, well-known methods such as EQUISAT and hill-climbing were used. A hybrid optimization method was also validated using a genetic algorithm to provide an initial state for the hill-climbing method.
format Dissertação
author Gobbo, Alexandre Fadel
author_sort Gobbo, Alexandre Fadel
title Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego
title_short Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego
title_full Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego
title_fullStr Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego
title_full_unstemmed Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego
title_sort proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego
publisher Centro Federal de Educação Tecnológica do Paraná
publishDate 2010
citation GOBBO, Alexandre Fadel. Proposta de aplicação de sistema de inferência neuro-fuzzy para otimização de tráfego. 2005. 94 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) – Universidade Tecnológica Federal do Paraná, Curitiba, 2005.
url http://repositorio.utfpr.edu.br/jspui/handle/1/94
_version_ 1805301898421469184
score 10,814766

Registros relacionados