Computational nanotechnologyComputational nanotechnologyComputational nanotechnologyComputational nanotechnologyComputational nanotechnologyComputational nanotechnology2313-223X2587-9693YUR-VAK62662810.33693/2313-223X-2023-10-4-39-45ТЕОРЕТИЧЕСКАЯ ИНФОРМАТИКА, КИБЕРНЕТИКАResearch ArticleImplementation of Intelligent Automatic Control of Traffic Flows in Urban Areas of Regulation Based on the Use of Fuzzy ModelsРеализация интеллектуального автоматического управления движением автомобильных потоков в городских зонах регулирования на основе применения нечетких моделейMorozovEgor A.МорозовЕгор Андреевич
Russian Federation

PhD student

аспирант

legolassuper@gmail.comVolosovaAlexandra V.ВолосоваАлександра Владимировна
Russian Federation

Cand. Sci. (Eng.), Associate Professor

кандидат технических наук, доцент

volosova@bmstu.ruMatyukhinaEkaterina N.МатюхинаЕкатерина Николаевна
Russian Federation

Cand. Sci. (Eng.), Associate Professor

кандидат технических наук, доцент

makaterina_ski@mail.ruMoscow Automobile and Road State Technical University (MADI)Московский автомобильно-дорожный государственный технический университет (МАДИ)Bauman Moscow State Technical UniversityМосковский государственный технический университет имени Н.Э. БауманаMIREA – Russian Technological UniversityМИРЭА – Российский технологический университет1212202310439450702202407022024Copyright ©; 2023, Yur-VAKCopyright ©; 2023, Юр-ВАК2023Yur-VAKЮр-ВАКhttps://journals.eco-vector.com/2313-223X/about/editorialPolicieshttps://journals.eco-vector.com/2313-223X/article/view/626628

The article deals with the implementation of automatic traffic control of automobile flows in urban areas of regulation based on the use of fuzzy models. The relevance of the topic of the article is due to the problem of traffic management in the Smart City ecosystem. Traffic flow control is a complex dynamic task, for the solution of which it is proposed to use artificial intelligence methods for processing fuzzy knowledge. The article proposes a model of a traffic flow control system at an intersection based on the use of fuzzy knowledge. Knowledge processing in the system is carried out by the module “Fuzzy Controller”. The input data for the fuzzy controller is information about the number of cars that have passed and information about the current duration of the traffic light phases. The fuzzy controller has a number of output variables corresponding to the number of phases of the traffic light. The fuzzy controller is implemented by means of the fuzzy sets apparatus. The system solves the following tasks: tracking the increase in traffic in the regulation zone; tracking the approach of the flow density on all streets of the regulation zone to the critical one; collecting information about the filling of the road departing from the intersection; implementing indirect unloading of the road section after the intersection, implementing management in transit sections of the city. To increase the efficiency of the model, an improved traffic management process is proposed within the framework of a single intersection, which takes into account traffic situations after the intersection. This approach has a positive impact on traffic in the regulated area due to the decentralized structure of the system consisting of such controlled intersections. The authors also implement the priorities of the directions of movement within the framework of the proposed model. Priorities are set when setting up the system at each of the traffic lights and allow you to speed up the circulation of traffic within the control zone.

В статье рассматривается вопрос реализации автоматического управления движением автомобильных потоков в городских зонах регулирования на основе применения нечетких моделей. Актуальность темы статьи обусловлена проблемой управления движением автомобильных потоков в экосистеме «Умный город». Управление движением автомобильных потоков является сложной динамической задачей, для решения которой предлагается использовать методы искусственного интеллекта для обработки нечетких знаний. В статье предлагается модель системы управления автомобильными потоками на перекрестке, основанная на использование нечетких знаний. Обработки знаний в системе осуществляет модуль «Нечеткий контроллер». Входными данными для нечеткого контроллера является информация о количестве проехавших автомобилей и информация о текущей длительности фаз светофора. Нечеткий контроллер имеет количество выходных переменных, соответствующее количеству фаз светофора. Нечеткий контроллер реализован средствами аппарата нечетких множеств. Система решает следующие задачи: отслеживание увеличения трафика в зоне регулирования; отслеживание приближения плотности потока на всех улицах зоны регулирования к критической; сбор информации о заполнении дороги, отходящей от перекрестка; реализация опосредованной разгрузки участка дороги после перекрестка, реализация управления на транзитных участках города. Для увеличения эффективности модели предлагается усовершенствованный процесс управления движением в рамках одного перекрестка, который учитывает дорожные ситуации после перекрестка. Такой подход оказывает положительное влияние на трафик в зоне регулирования за счет децентрализованной структуры системы, состоящей из таких управляемых перекрестков. Также авторы реализуют в рамках предложенной модели приоритеты направлений движения. Приоритеты задаются при настройке системы на каждом из светофоров и позволяют ускорить циркуляцию трафика внутри зоны регулирования.

fuzzy knowledgefuzzy modelsfuzzy logicfuzzy knowledge processingartificial intelligenceintelligent automatic controlнечеткие знаниянечеткие моделинечеткая логикаобработка нечетких знанийискусственный интеллектинтеллектуальное автоматическое управлениеKonstantinov K.S., Volosova A.V. Application of a genetic algorithm for the organization of traffic lights in order to optimize road traffic. Internauka. 2023. No. 23 (293). (In Rus.)Константинов К.С., Волосова А.В. Применение генетического алгоритма для организации работы светофоров с целью оптимизации дорожного трафика // Интернаука. 2023. № 23 (293).Volosova A.V. Using tensor technology to work with unmanaged systems. Computational Nanotechnology. 2023. Vol. 10. No. 1. Pp. 79–87. (In Rus.)Волосова А.В. Использование тензорной модели для обработки неопределенности в сложных динамических системах // Computation Nanotechnology. 2023. Т. 10. № 1. С. 79–87.Maksimychev O.I., Mezentsev K.N., Volosova A.V. Information and communication technologies and elements of artificial intelligence in intelligent transport systems. The World of Transport and Technological Machines. 2023. No. 1-1 (80). Pp. 112–118. (In Rus.)Максимычев О.И., Мезенцев К.Н., Волосова А.В. Информационно-коммуникационные технологии и элементы искусственного интеллекта в интеллектуальных транспортных системах // Мир транспорта и технологических машин. 2023. № 1-1 (80). С. 112–118.Ostroukh A.V., Pronin C.B., Volosova A.V. et al. Parametric synthesis of quantum circuits for training perceptron neural networks. In: Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex, TIRVED 2022: Conference proceedings, 2022.Ostroukh A.V., Pronin C.B., Volosova A.V. et al. Parametric synthesis of quantum circuits for training perceptron neural networks // Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex, TIRVED 2022: Conference proceedings, 2022.Pronin C.B., Maksimychev O.I., Ostroukh A.V. et al. Creating quantum circuits for training perceptron neural networks on the pRSCIiples of Grover’s algorithm. In: Systems of Signals Generating and Processing in the Field of on Board Communications, SOSG 2022: Conference proceedings, 2022.Pronin C.B., Maksimychev O.I., Ostroukh A.V. et al. Creating quantum circuits for training perceptron neural networks on the pRSCIiples of Grover’s algorithm // Systems of Signals Generating and Processing in the Field of on Board Communications, SOSG 2022: Conference proceedings, 2022.Yurchik P.F., Maksimychev O.I., Golubkova V.B., Volosova A.V. Tensor analysis of uncertainty in freight transport ULS-systems. In: IOP Conference Series: Materials Science and Engineering. DOI: http://dx.doi.org/10.1088/1757-899X/1159/1/012074.Yurchik P.F., Maksimychev O.I., Golubkova V.B., Volosova A.V. Tensor analysis of uncertainty in freight transport ULS-systems // IOP Conference Series: Materials Science and Engineering. DOI: http://dx.doi.org/10.1088/1757-899X/1159/1/012074.Volosova A.V., Matiukhina E. Using artificial intelligence for effective decision-making in corporate governance under conditions of deep uncertainty. In: SHS Web of Conf. 2020. No. 89. P. 03008. DOI: 10.1051/shsconf/20208903008.Volosova A.V., Matiukhina E. Using artificial intelligence for effective decision-making in corporate governance under conditions of deep uncertainty // SHS Web of Conf. 2020. No. 89. P. 03008. DOI: 10.1051/shsconf/20208903008.Volosova A.V., Matiukhina E., Akimov D. The use tensor method of dual networks for analysis of the transport and tourist components of sustainable development of territories // E3S Web of Conferences. 2020. No. 208. P. 05012.Volosova A.V. Implementation of automated drone control using artificial intelligence technologies. Engineer and Industrialist. 2022. No. 4 (58). (In Rus.)Волосова А.В. Реализация автоматизированного управления дроном с использованием технологий искусственного интеллекта // Инженер и промышленник. 2022. № 4 (58).Maksimychev O.I., Volosova A.V., Ismoilov M.I. et al. Platforms and complexes for unmanned technologies in road transport. In: Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex. TIRVED 2022: Conference proceedings, 2022.Maksimychev O.I., Volosova A.V., Ismoilov M.I. et al. Platforms and complexes for unmanned technologies in road transport // Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex. TIRVED 2022: Conference proceedings, 2022.Volosova A.V., Maksimychev O.I., Ostroukh A.V. et al. Uncertainty processing by tensor algebra means in condition of movement along complex roads. In: Systems of Signals Generating and Processing in the Field of on Board Communications. SOSG 2022: Conference proceedings, 2022.Volosova A.V., Maksimychev O.I., Ostroukh A.V. et al. Uncertainty processing by tensor algebra means in condition of movement along complex roads // Systems of Signals Generating and Processing in the Field of on Board Communications. SOSG 2022: Conference proceedings, 2022.Kuftinova N.G., Maksimychev O.I., Ostroukh A.V. et al. Data fabric as an effective method of data management in traffic and road systems. In: Systems of Signals Generating and Processing in the Field of on Board Communications, SOSG 2022: Conference proceedings, 2022.Kuftinova N.G., Maksimychev O.I., Ostroukh A.V. et al. Data fabric as an effective method of data management in traffic and road systems // Systems of Signals Generating and Processing in the Field of on Board Communications, SOSG 2022: Conference proceedings, 2022.