طراحي و پياده سازي يك روش تلفيقي هوشمند براي كنترل ترافيك شهري در تقاطع ها

Design and Implementation of an Intelligent Combined Method for Urban Traffic Control at Intersections

يكي از روش‌هاي كنترل ترافيك، استفاده از روش‌هاي هوشمند براي زمان‌بندي چراغ‌هاي راهنمايي در تقاطع‌ها مي‌باشد. در اين مقاله از تلفيقي از روش‌هاي خوشه‌بندي و الگوريتم ژنتيك براي طراحي و پياده‌سازي مدلي مبتني بر سيستم‌هاي چندعاملي براي زمان‌بندي تقاطع استفاده شده است. در سيستم پيشنهادي پس از دريافت بار ترافيكي تقاطع‌ها، تقاطع‌هاي تأثيرگذار در بار ترافيكي يكديگر خوشه‌بندي مي‌شوند. سپس با استفاده از الگوريتم ژنتيك و اطلاعات خوشه‌ها، بهترين زمان‌بندي براي چراغ‌هاي راهنمايي تقاطع‌ها محاسبه مي‌گردد. همچنين براي رفع مشكلات احتمالي در رابطه با تغيير ناگهاني ميزان ترافيك تقاطع‌ها و جلوگيري از محاسبات زياد در هر سيكل از چراغ راهنمايي، از تبادل پيام بين عامل‌هاي مختلف استفاده شده است. از مزاياي روش پيشنهادي اين است كه هيچ محدوديتي در تعداد تقاطع‌ها و فاصله آن‌ها وجود ندارد. اين روش قابل‌اجرا براي چندراهي‌ها نيز مي‌باشد. همچنين پردازش به‌صورت توزيع‌شده در سطح منطقه انجام مي‌گيرد. روش پيشنهادي با 1200 داده آزمايشگاهي در مناطق پرتردد و 357 داده آزمايشگاهي در مناطق كم‌تردد با 8 تقاطع توسط روش‌شناسي Tropos و ابزار JADE پياده‌سازي و آزمايش شده است. نتايج ارزيابي روش پيشنهادي در مقايسه با ساير سيستم‌هايي كه فقط از يك روش هوشمند براي زمان‌بندي چراغ‌هاي راهنمايي استفاده كرده‌اند، نشان داد كه به طور ميانگين مدت‌زمان اجراي چند سيكل متوالي در روش پيشنهادي كم‌تر از ساير روش‌هاي منفرد است. همچنين به‌كارگيري روش پيشنهادي در مقايسه با سيستم زمان ثابت، در مناطق پرتردد و كم‌تردد به ترتيب 18.5% و 30.8% زمان تأخير وسايل نقليه را كاهش داده است.

Using intelligent methods is one of the efficient methods of scheduling the traffic lights at intersections to control traffic urban. In this paper used an clustering and genetic algorithms to control urban traffic at intersections based on multi-agent system. Proposed system get traffic load of each intersection. Next, uses clustering algorithm to find adjacent intersections. Then, it uses evolutionary computing algorithms to scheduling the traffic lights and also it has used exchange of messages between different agents to control possible fluctuations.The main capabilities and advantages of proposed method for simulating a multi-agent system for intelligent urban traffic control at the intersection are as follows: The number of intersection is considered infinite. Also, the distance between intersections is not limited and adjustable. Furthermore,this method is applicable to multi-ways. Due to use Multiagent technique and clustering algorithm for intersections, proposed method has been performed distributed processing which avoid excessive computational load processing in each cycle of traffic lights. For the design and implementation proposed method used Tropos methodology and JADE library. For evaluation, this proposed system tested with 1200 laboratory data in both low and heavy traffic areas. In comparison with fixed-time systems, the average run-time in sequential cycles of intersections in our combinational method is less than using the other single methods. In addition, for heavy traffic area and low traffic area, our system respectively has 18.8% and 30.8% (in average) improvement in delay time of vehicles, compared to the fixed-time methods.