Fuzzy traffic signal control : principles and applications

Abstract

The FUSICO (Fuzzy Signal Control)-research project was started in 1996 at the Helsinki University of Technology. The main goals of the project are theoretical analysis of fuzzy traffic signal control, generalized fuzzy rules using linguistic variables, validation of fuzzy control principles, calibration of membership functions, and development of a fuzzy adaptive signal controller.

This thesis discusses four hypotheses for fuzzy traffic signal control. They are I) generality of fuzzy control, II) competitiveness of fuzzy control III) multilevelity, -dimensionality and -objectiveness and IV) realisticity in real traffic signal control.

The control principles and rules for the fuzzy control are modeled based on the actions of an experienced policeman represented by knowledge of an experienced signal control planner. According to the results the control parameters of fuzzy traffic signal control can be divided into three different groups: traffic volume, capacity, and level of service parameters. The fuzzy control algorithm of isolated traffic signal control can be derived based on these parameters. The fuzzy inference is perhaps the most important part of fuzzy control, but also the methods of fuzzification and defuzzification have to be introduced. Some artificial methods, like genetic algorithms and neural networks, have been tested without any benefits in comparison with the empirical membership functions. The fuzzy similarity method, which is based on Lukasiewicz's logic, has been introduced as a potential defuzzification method.

In the development phase, the testing of fuzzy control has been done by simulation. Several different control strategies have been tested in different isolated control environments. The results of signalized pedestrian crossing indicated that the fuzzy control provides pedestrian friendly control keeping vehicle delay smaller than the conventional control. Based on the experiences of the Pappis-Mamdani control algorithm, a new control algorithm for two-phase vehicle control was developed. According to the statistical tests, the application area of fuzzy control is wide. The results of multi-phase control indicated that the traditional extension principle still is a better traffic signal control mode in the area of very low traffic volumes. However, an application area of fuzzy control is available. The experiences of fuzzy public tranport priorities and fuzzy control on major arterials have been promising.

The multilevel (traffic situation, phase selection and extension inference) fuzzy control makes adaptivity possible. This also means that the number of control programs can be smaller than in the traditional VA-control. The most significant difference between traditional and fuzzy control methods is that the extension principle in VA-control looks at only the green signal groups, but the fuzzy control analyzes also the queues behind the red signal groups. This multi-dimensionality, the opposite input-parameters and the free rule-base development enable the multi-objective control.

Finally, the fuzzy control methods have been tested in several real intersections. The proposed controller consists of traffic and control models, and it is justified that this kind of on-line simulation or simulation based traffic control is a working method. According to the statistical tests of before-and-after studies, the fuzzy control has proven to be a potential control method in real isolated traffic signal control.

FUSICO- tutkimusprojekti (Fuzzy Signal Control) käynnistyi Teknillisessä korkeakoulussa vuonna 1996. Tutkimusprojektin tavoitteita olivat sumean valo-ohjauksen teoreettinen tarkastelu, yleisten ohjaussääntöjen ja periaatteiden muodostaminen, ohjausperiaatteiden ja jäsenyysfunktioiden kalibrointi ja validointi sekä todellisen sumean ohjauskojeen kehittäminen.

Väitöstutkimuksen tavoitteena on neljän hypoteesin todistaminen: I) sumean ohjauksen yleistettävyys, II) sumean ohjauksen toimivuus, III) monitasoisuus, -ulotteisuus ja tavoitteisuus sumeassa ohjauksessa sekä IV) sumean ohjauksen realistisuus todellisena ohjauskeinona.

Ohjausperiaatteet ja -säännöt voidaan muodostaa mallintamalla ihmisen ajattelua. Tässä tutkimuksessa on käytetty esimerkkinä liikennettä ohjaavaa kokenutta poliisia. Tulosten perusteella sumeassa liikennevaloohjauksessa tarvittavat ohjausparametrit voidaan jakaa kolmeen luokkaan: liikennemäärä-, välityskyky- ja palvelutasoparametreihin. Yksittäisten tutkimuksessa esitettyjen ohjausparametrien avulla voidaan muodostaa erillisohjauksisen liittymän ohjausalgoritmi. Sumeassa ohjauksessa on sumean päättelyn lisäksi kaksi olennaista osaa: sumeuttaminen ja täsmentäminen. Sumeuttamisessa on kokeiltu erilaisia systemaattisia menetelmiä kuten neuroverkkoja ja geneettisia algoritmeja saavuttamatta kuitenkaan merkittäviä etuja kokemusperäisiin jäsenyysfunktioihin verrattuna. Täsmentämisessä on esitetty sumeaan similaarisuuteen perustuva täsmentämismenetelmä, joka perustuu Lukasiewiczin logiikkaan.

Kehitysvaiheessa sumean ohjauksen toimivuutta on tutkittu simuloimalla erilaisissa liikenneympäristöissä ja -tilanteissa. Valo-ohjauksisen suojatien tulosten perusteella sumea ohjaus toimii monitavoitteisesti sallien jalankulkijaystävällisen ohjauksen ilman, että ajoneuvojen viivytykset tai pysähdykset kasvavat. Pappis-Mamdanin valo-ohjauksen pohjalta kehitetty sumea ajoneuvoliikenteen kaksivaiheohjaus toimii tilastollisesti merkitsevästi paremmin laajalla liikennemääräalueella. Sumean monivaiheohjauksen tulokset osoittavat samaa, mutta tulosten perusteella hiljaisen liikenteen valo-ohjauksessa perinteiset menetelmät toimivat paremmin. Sumeilla joukkoliikenne-etuuksilla saavutetut tulokset ovat olleet hyviä. Myös sumean valo-ohjauksen soveltuvuutta korkealuokkaisille väylille on kokeiltu ja alustavat tulokset ovat olleet lupaavia.

Sumeassa valo-ohjauksessa tapahtuva monitasoinen päätöksenteko (liikennetilanteen tunnistaminen, vaiheen valinta ja pidennyksen säätö) mahdollistaa ohjauksen adaptiivisuuden, jolloin myös tarvittavien ohjausohjelmien määrä on pienempi kuin perinteisessä ohjauksessa. Merkittävin ero työssä verrattujen ohjausmenetelmien välillä on, että perinteinen liikennetieto-ohjaus tarkastelee vain vihreänä olevia opastinryhmiä, kun tarkasteltu sumea ohjaus tarkastelee myös punaisten opastinryhmien toimintaa. Tällainen moniulotteisuus sekä keskenään eri tavoitteiset syöteparametrit ja mahdollisuus kehittää haluttu sääntökanta mahdollistavat monitavoitteisen ohjauksen.

Sumeaa valo-ohjausta on testattu useassa eri liittymässä. Kenttäkokeissa käytetty ohjauskoje koostuu liikennemallista ja ohjausmallista sekä käyttää näin hyödykseen simulointipohjaista liikenteen ohjausta (online simulation). Menetelmä on osoittanut toimivuutensa adaptiivisessa ohjauksessa. Tehtyjen tilastollisten testien perusteella sumea valo-ohjaus on myös todellisissa liittymissä toimiva ohjausmenetelmä.