عنوان پایان‌نامه
استفاده از راهکارهای چند عاملی در طراحی سیستمهای حمل و نقل هوشمند(ITS )
- رشته تحصیلی
- مهندسی مکانیک طراحی کاربردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53395;کتابخانه پردیس 2 فنی شماره ثبت: 2136
- تاریخ دفاع
- ۰۸ بهمن ۱۳۹۰
- دانشجو
- آناهیتا جمشیدنژاد
- استاد راهنما
- محمد محجوب
- چکیده
- در تحقیق حاضر یک شبکه ترافیک شهری متشکل از تعدادی خیابان و تقاطع شبیه‌سازی شده است تا روش کنترلی سیستم هوشمند تطبیقی و فازی مبتنی بر عوامل هوشمند بر روی آن آزمایش و ارزیابی شود. برای رسیدن به هدف ابتدا شبکه ترافیک در محیط نرم‌افزار NetLogo ایجاد و از دید ماکروسکوپی ارزیابی گردید. برای ایجاد این شبیه‌ساز رفتارهای رانندگان به صورت منحصر به فرد مدل شده است و مسیرها توسط خود رانندگان و بدون دخالت طراح تعیین می‌شوند. با این حال کاربر می‌تواند با ابزارهایی که در دست دارد شرایط ترافیکی منطقه را به دلخواه خود تغییر دهد. پس از این گام با جمع آوری داده‌های ترافیکی در یک مطالعه 14 ساعته از محیط شبیه‌ساز، الگوی ترافیکی زیر شبکه‌های تحت کنترل عوامل هوشمند شناسایی و برای پیش‌بینی وضعیت آینده ترافیک در اختیار عوامل هوشمند مربوط قرار داده شدند. پس از آن هر عامل با در دست داشتن یک سیستم کنترل تطبیقی و فازی با توجه به پیش‌بینی وضعیت ترافیک در آینده نزدیک (یک دقیقه پیش رو) و با تبادل اطلاعات با عوامل هوشمند همسایه تصمیم کنترلی بهینه را برای زیرشبکه خود که در نهایت منجر به کنترل کل سیستم بر اثر برقراری ارتباطات میان عوامل خواهد شد، اتخاذ خواهد نمود. در استخراج سیستم کنترل فازی از روش خوشه‌بندی ماتریس‌ها استفاده شده است که این روش مبتنی بر یک الگوریتم اصلاح شده است که در متن تحقیق الگوریتم اولیه به همراه تغییرات پیشنهادی و دلایل آنها شرح داده خواهد شد. در نهایت عوامل برای اتخاذ تصمیم نهایی نه تنها از اطلاعات حسگرهای خود استفاده خواهند کرد، بلکه برای دریافت اطلاعات ترافیکی تقاطع‌های مجاور که در تصمیم‌گیری او دخیل خواهند بود با عوامل هوشمند واقع در این تقاطع‌ها نیز ارتباط برقرار می‌کند. در پایان برای ارزیابیِ روش کنترل real-time سیستم چند عاملی، مقادیر تابع هدف که همان میزان تأخیر متوسط کل خودروها در شبکه است، با بهترین نتایج اخذ شده در کنترل off-line ترافیک این شبکه مقایسه می‌شوند.
- Abstract
- In the present research an urban traffic network containing a number of intersections and roads is simulated in order to prepare a suitable environment for evaluating the proposed fuzzy adaptive intelligent control system. First, a traffic network was developed within NetLogo and was evaluated from the macroscopic point of view. In the traffic simulator each driver’s behavior and driving style is considered individually (microscopic simulation) and the destination of each vehicle is determined by the driver independently without any external interference. There are also some tools including some buttons, switchers and sliders which give the simulator user the ability to adjust the traffic conditions of the network as they wish. The second step is to gather useful traffic data during a 14-hour interval of traffic study using the developed microscopic traffic simulator. Using these data, the traffic patterns, also known as the mobility patterns, of each sub-network are extracted and then used by intelligent agents to predict the traffic situation of the sub-networks in future. Each intelligent agent has got a fuzzy adaptive control system based on the collected information prior on. Furthermore, the agent is aware of the systems traffic situation in a near future. Then the intelligent agent communicates with its neighboring intelligent agents to reach the optimum control proposal which is the best not only for its own sub-network, but also for the whole traffic system. To achieve the fuzzy control system for each intelligent agent, some origin-destination matrices containing traffic data should be clustered first. The approach of clustering used is inspired of a graph-based clustering method, but some modifications are necessary to be applied on the algorithm, which are briefly described in the context. The intelligent agents should use not only their own detectors data, but their adjacent agents traffic data as well by communicating with them based on an algorithm proposed in this research. Finally, the resulted real-time multi-agent control system is assessed using an objective function by comparing three different control approaches for the traffic system; the off-line or non-adaptive control approach, the adaptive agent-based control approach in which the agents decide independently without applying the suggested communication algorithm and at last the adaptive multi-agent control system.
