Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh

Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh

TÓM TẮT

Hằng ngày chúng ta đều phải tham gia lưu thông trên đường với nhiều mục đích khác nhau, thế nhưng kẹt xe trở thành nỗi ám ảnh với nhiều người vì gây nên lãng phí, tiêu tốn tài nguyên và thời gian một cách vô ích Chúng ta có thể cải thiện tình trạng giao thông trên bằng nhiều cách theo cả phần cứng lẫn phần mềm Trên ý

tưởng đó đề tài “Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh” này sẽ đáp ứng và hiện thực hóa ý tưởng

trên Góp phần trong việc sản xuất các hệ thống thông minh, hạn chế ô nhiễm môi trường và nâng cao hiệu quả của thiết bị an toàn giao thông

Mục tiêu đề tài đặt ra là đạt được một thuật toán có thể gia tăng, tối ưu lưu lượng lưu thông xe cộ nhằm giảm tổng thời gian chờ của các phương tiện trong nút giao thông

ABSTRACT

Everyday, we have to participate in the traffic system with so many different purposes, but traffic jam becomes an obsession for many people because it causes waste, resource consumption and time in vain We can improve the traffic situation

in many ways by both hardware and software According to this idea, the topic

"Developing an algorithm to optimize the flow of cars on the road based on the intelligent traffic light system" will meet and realize the idea This research wills to

contribute for a solution to improve the traffic system, reduce the pollution of environment and improve the efficiency of traffic safety equipment

The objective of the project is to achieve an algorithm that can increase traffic optimization to reduce the total waiting time of vehicles in intersections

MỤC LỤC

LỊCH TRÌNH THỰC HIỆN ĐỀ TÀI 11

LỜI CAM ĐOAN 12

LỜI CẢM ƠN 13

TÓM TẮT 14

ABSTRACT 14

MỤC LỤC 15

DANH MỤC HÌNH ẢNH 17

CÁC TỪ VIẾT TẮT 18

DANH MỤC BIỂU ĐỒ 19

DANH MỤC BẢNG BIỂU 20

CHƯƠNG 1: TỔNG QUAN 1

1.1 Giới thiệu 1

1.2 Công trình liên quan 1

1.3 Mục tiêu nghiên cứu 3

1.4 Đối tượng, phạm vi nghiên cứu 3

1.5 Nội dung nghiên cứu 4

1.6 Phương pháp nghiên cứu 4

1.7 Bố cục đề tài 4

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 5

2.1.2 Lý thuyết tập mờ 9

2.1.3 Logic mờ 10

2.1.4 Lập luận mờ 14

2.1.5 Ưu nhược điểm 15

2.1.6 Suy luận mờ 16

2.1.7 Giải mờ 16

2.2 Tổng quan về đại số gia tử 17

2.2.1 Biến ngôn ngữ 17

2.2.2 Các đặc trưng của biến ngôn ngữ 19

2.2.3 Đại số gia tử của biến ngôn ngữ 20

2.2.4 Định lượng ngữ nghĩa của giá trị biến ngôn ngữ 21

CHƯƠNG 3: PHƯƠNG PHÁP ĐIỀU KHIỂN ĐÈN TÍN HIỆU DỰA VÀO MẬT ĐỘ CỦA ĐƯỜNG TRONG NÚT VÀ MẬT ĐỘ CỦA NÚT TIẾP THEO 24

3.1 Các pha đèn tín hiệu trong một nút giao thông 24

3.2 Vấn đề của đèn giao thông hiện tại 27

3.3 Phần mềm mô phỏng hoạt động của phương tiện giao thông (SUMO) 28

3.4 Phần mềm hỗ trợ tính toán MATLAB 31

3.5 Hệ thống điều khiển mờ 33

3.6 Bộ điều khiển mờ 35

3.7.Môi trường thử nghiệm 40

3.8 Kết quả thực nghiệm 42

3.8.1 Hệ thống đèn tĩnh 42

3.8.2 Hệ thống giao thông sử dụng bộ điều khiển mờ 43

3.9 Kết quả và thảo luận 43

CHƯƠNG 4: KẾT LUẬN – HƯỚNG PHÁT TRIỂN 46

4.1 Kết luận 46

4.2 Hướng phát triển 46

CHƯƠNG 5: TÀI LIỆU THAM KHẢO 48

CHƯƠNG 6: PHỤ LỤC 51

DANH MỤC HÌNH ẢNH

Hình 1.1: Hệ thống điều khiển đèn giao thông sử dụng hình ảnh và logic mờ 3

Hình 2.1: Logic thông thường 6

Hình 2.2: Ví dụ về tập mờ 8

Hình 2.3: Tập chiều cao của con người 12

Hình 3.1: Các pha đèn của một ngã tư 25

Hình 3.2: Tình trạng đường trống 28

Hình 3.3: MATLAB tương tác và điều khiển SUMO 33

Hình 3.4: Mờ hoá kết quả 34

Hình 3.5: Bộ điều khiển mờ 34

Hình 3.6: Ngõ vào, ra của bộ điều khiển mờ 35

Hình 3.7: Mờ hoá giá trị đầu vào cho xe trên tuyến đường đi thẳng 36

Hình 3.8: Mờ hoá giá trị đầu vào cho xe trên tuyến đường cắt ngang 36

Hình 3.9: Mờ hoá giá trị đầu vào cho mật độ xe của nút giao thông tiếp theo 37

Hình 3.10: Mờ hoá giá trị đầu ra 37

Hình 3.11: Đồ thị tương quan giữa đường chính và đường cắt 38

Hình 3.12: Đồ thị tương quan giữa đường chính và mật độ nút giao thông 39

Hình 3.13: Đồ thị tương quan giữa đường cắt và mật độ nút giao thông 40

Hình 3.14: Nút giao thông thực hiện mô phỏng 40

Hình 3.15: Các pha đèn tín hiệu giao thông 42

CÁC TỪ VIẾT TẮT

NSLA : North-South Left Advance

EWLA : East-West Left Advance

GNU GPL : GNU General Public License

DLR : Deutsches Zentrum für Luft- und Raumfahrt e.V

DANH MỤC BIỂU ĐỒ

Biểu đồ 3.1: Tổng thời gian chờ của các phương tiện trong giao lộ (Thấp hơn thì tốt hơn) 44 Biểu đồ 3.2: Thời gian đèn xanh tối đa và tối thiểu của đèn giao thông 45

DANH MỤC BẢNG BIỂU

Bảng 3.1: Bảng sự tương quan giữa đường chính và đường cắt 38

Bảng 3.2: Bảng sự tương quan giữa đường chính và mật độ nút giao thông 39

Bảng 3.3: Bảng sự tương quan giữa đường cắt và mật độ nút giao thông 39

Bảng 3.4: Bảng thời gian đèn giao thông của hệ thống đèn tĩnh 42

Bảng 3.5: Bảng kết quả chạy giả lập cho đèn giao thông tĩnh 43

Bảng 3.6: Bảng kết quả chạy giả lập cho đèn giao thông sử dụng bộ điều khiển mờ 43

Chương 1: TỔNG QUAN1.1 Giới thiệu

Tắc nghẽn giao thông là một hiện tượng trên mạng lưới các con đường xảy ra khi việc sử dụng đường tăng và được đặc trưng bởi tốc độ di chuyển chậm hơn, thời gian chuyến đi dài hơn và hàng đợi xe tăng lên

Khi nhu cầu giao thông đủ lớn, sự tương tác giữa các phương tiện làm chậm tốc độ của luồng giao thông và dẫn đến một số tắc nghẽn Các con đường bị tắc nghẽn giao thông do một số lượng lớn phương tiện đi trên cùng một con đường cùng một lúc Khi nhu cầu đạt đến khả năng tối đa của một con đường, tình trạng tắc nghẽn giao thông cực độ sẽ xảy ra

Theo số liệu sơ bộ của trung tâm nghiên cứu cuộc sống phát triển bền vững, chỉ riêng thủ đô Hà Nội, chi phí tăng thêm do tiêu hao nhiên liệu và lãng phí công lao động vì ùn tắc giao thông ở nội thành khoảng 36,4 tỷ VNĐ/ngày (12.812 tỷ VNĐ/năm, tương đương khoảng 600 triệu USD/năm) Còn tại thành phố Hồ Chí Minh, theo ông Lê Quyết Thắng, giám đốc khu quản lý giao thông đô thị số 1, mỗi năm thành phố thiệt hại khoảng 170 tỷ đồng do ùn tắc giao thông

Chúng ta có thể giảm tải cho hệ thống giao thông bằng cách điều chỉnh lưu lượng một cách hợp lý, từ đó gia tăng được khả năng thông xe mà không cần phải cải tạo, nâng cấp mặt đường một cách hàng loạt gây tốn kém cả về thời gian lẫn tiền bạc

Từ việc nghiên cứu các bài báo liên quan thì người nghiên cứu đã đưa ra một cách nhìn khác về việc tối ưu dòng di chuyển xe thế nào là hợp lý Chính vì thế người

nghiên cứu đã lựa chọn đề tài “Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh” để nhằm áp dụng kiến thức

của mình đang có và để trả lời cho câu hỏi trên

1.2 Công trình liên quan

Để tiến hành thực hiện đề tài này tôi đã tìm hiểu các hệ thống giao thông thông minh hiện nay trên thị trường và nghiên cứu các công trình bài báo liên quan:

Năm 2009, Fuqiang Zou, Bo Yang, Yitao Cao [1] đã đề xuất một kiến trúc sử

nhất được thiết kế và trình bày dựa trên mạng cảm biến không dây Lưu lượng truy cập có thể được phát hiện bởi các cảm biến trên đường và được truyền không dây qua mạng cảm biến để thực hiện điều khiển động thời gian thực đèn giao thông và để giảm thời gian chờ của chuyến đi Thuật toán xác định thời gian của đèn giao thông theo số lượng phương tiện trên làn đường

Năm 2017, Junchen Jin, Xiaoliang Ma, Iisakki Kosonen [2] đã thiết kế mạch

và cài đặt giải thuật tối ưu hóa thời gian mỗi pha đèn giao thông bằng việc sử dụng logic mờ trên một nút giao thông Hệ thống điều khiển được lập trình trên một thiết

bị phần cứng trung gian có khả năng nhận tin nhắn từ phần cứng bộ điều khiển tín hiệu cũng như ghi đè chỉ dẫn đèn giao thông trong thời gian thực hoạt động Các công

cụ điều khiển và tối ưu hóa tín hiệu được tích hợp vào phần mềm nhúng trong thiết

bị phần cứng, các thông số về thời gian đèn xanh, trọng số của đèn đỏ, khoảng cách phương tiện được dùng để điều chỉnh thời gian đèn trong một pha

Năm 2016, Konlapat Jintamuttha, Bunthit Watanapa và Nipon Charoenkitkarn [3] đã đặt mục tiêu là có được giải pháp thỏa mãn, thông qua việc sử dụng thuật toán dơi nhằm giảm thiểu thời gian dừng tại một giao lộ Hiệu quả của mô hình đã được xác nhận bằng một thí nghiệm mô phỏng trên ngã tư đông đúc ở Bangkok có số lượng mất cân đối của làn đường Hệ thống này được triển khai trên một thiết bị điện toán

có khả năng áp dụng logic điều khiển riêng và tiếp nhận quyết định bằng cách giao tiếp với các bộ điều khiển tín hiệu giao thông hiện đại

Năm 2016, Bruno Carlo Rampinelli Rota và Milan Simic [4] đã đề xuất hệ thống giao thông thông minh với mục đích là các công nghệ và ứng dụng tiên tiến được tích hợp trong các mạng giao thông với các hệ thống thu phí thanh toán tự động nhằm giảm thiểu thời gian dừng lại giữa các lần dừng của các phương tiện lưu thông trên đường

Năm 2012, Sébastien Faye, Claude Chaudet, Isabelle Demeure [5] đã trình bày kiến trúc của một mạng lưới các cảm biến không dây được triển khai tại các giao lộ, nơi đưa ra các quyết định địa phương mà không cần sự trợ giúp của một khối xử lý trung tâm Thuật toán sử dụng logic mờ với dữ liệu được thu thập bởi mạng cảm biến

để quyết định linh hoạt thời gian ánh sáng xanh nhằm giảm thiểu chiều dài của hàng đợi giao thông và trình tối ưu hóa giao thông bằng cách sử dụng dữ liệu được thu thập

từ các cảm biến đặt trên đường

Tại Việt Nam có công trình của Nguyễn Chí Ngôn vào năm 2010 đưa ra nghiên cứu về thiết kế hệ thống giao thông thông minh điều khiển đèn dựa vào ước lượng mật độ hiện tại được lấy từ hình ảnh [6] và sử dụng logic mờ để xử lý thời gian đèn

1.3 Mục tiêu nghiên cứu

Xây dựng thuật toán điều khiển đèn tín hiệu giao thông sử dụng logic mờ, trong đó các hệ thống đèn giao thông có mối liên hệ với nhau

1.4 Đối tượng, phạm vi nghiên cứu

Đối tượng nghiên cứu là một thuật toán điều khiển đèn giao thông sử dụng

logic mờ giúp tối ưu tổng thời gian chờ của các phương tiện

Hình 1.1: Hệ thống điều khiển đèn giao thông sử dụng hình ảnh và logic

mờ (nguồn [6])

Phạm vi nghiên cứu là điều chỉnh các thông số đầu vào và đầu ra nhằm giảm

tổng thời gian chờ của các phương tiện trong nút giao thông Mô phỏng việc các phương tiện giao thông di chuyển thông qua nhiều nút giao thông bằng phần mềm SUMO để tính tổng thời gian chờ

1.5 Nội dung nghiên cứu

Nghiên cứu thiết kế thuật toán sử dụng logic mờ cho phù hợp với mục tiêu nghiên cứu của đề tài đã đề ra

1.6 Phương pháp nghiên cứu

- Phương pháp phân tích và tổng hợp lý thuyết

- Phương pháp phân loại và hệ thống hóa lý thuyết

Chương 2: Cơ Sở Lý Thuyết

Chương này giới thiệu về lý thuyết cơ bản về logic mờ, đại số gia tử và một vài ứng dụng của nó trong đời sống

Chương 3: Phương pháp điều khiển đèn tín hiệu dựa vào mật độ của đường

trong nút và mật độ của nút tiếp theo

Chương này giới thiệu về hướng đề xuất của chuyên đề

Chương 4: Kết luận

Chương này trình bày tóm tắt những gì đã làm được trong chuyên đề

Chương 2: CƠ SỞ LÝ THUYẾT

2.1 Lý thuyết tập mờ

2.1.1 Tập mờ và thông tin không chắc chắn

Lotfi Zadeh[7] là một nhà toán học, nhà khoa học máy tính, kỹ sư điện, nhà nghiên cứu trí tuệ nhân tạo và giáo sư danh dự về khoa học máy tính tại đại học California, Berkeley và cũng là người sáng lập ra lý thuyết tập mờ với hàng loạt bài báo mở đường cho sự phát triển và ứng dụng của lý thuyết này, khởi đầu là bài báo

“Fuzzy Sets”[8] trên Tạp chí Information and Control vào tháng 8 năm 1965

Ta thấy rằng trong lý thuyết tập hợp cổ điển[9], các phần tử trong một tập hợp được đánh giá theo thuật ngữ nhị phân theo một điều kiện hai phần - một phần tử thuộc hoặc không thuộc về tập hợp

Bằng cách lạm dụng ngôn ngữ bình thường, theo thói quen của văn học, chúng

ta sẽ sử dụng các thuật ngữ tập mờ cho tập con mờ Ta thấy các bộ trong logic cổ điển

là các bộ rõ ràng, trái ngược với mơ hồ, và bởi logic cổ điển tương tự cũng được gọi

là logic Boolean hoặc nhị phân

Ngược lại, lý thuyết tập mờ cho phép đánh giá dần dần tư cách thành viên của các phần tử trong một tập hợp[8], điều này được mô tả với sự trợ giúp của một hàm thành viên có giá trị trong khoảng đơn vị thực [0, 1] Các tập mờ tổng quát hóa các tập cổ điển, vì các hàm chỉ thị (còn gọi là các hàm đặc trưng) của các tập cổ điển là các trường hợp đặc biệt của các hàm thành viên của các tập mờ, nếu sau này chỉ lấy các giá trị tuyệt đối 0 hoặc 1

Trong lý thuyết tập mờ, tập hợp hai phần tử cổ điển thường được gọi là tập hợp sắc nét Lý thuyết tập mờ có thể được sử dụng trong một loạt các lĩnh vực trong

đó thông tin không đầy đủ hoặc không chính xác, chẳng hạn như tin sinh học

Zadeh từ những khái niệm trừu tượng về ngữ nghĩa của thông tin mờ, không chắc chắn như trẻ, nhanh, cao thấp, xinh đẹp, ông đã tìm ra cách biểu diễn nó bằng một khái niệm toán học, được gọi là tập mờ, như là một sự khái quát trực tiếp của khái niệm tập hợp kinh điển[8]

Để dễ hiểu chúng ta hãy nhớ lại cách nhìn khái niệm tập hợp kinh điển như là khái niệm các hàm số

Lý thuyết tập hợp[10] là một nhánh của logic toán học nghiên cứu các tập hợp, không chính thức là tập hợp các đối tượng Mặc dù bất kỳ loại đối tượng nào cũng có thể được thu thập thành một tập hợp, lý thuyết tập hợp được áp dụng thường xuyên nhất cho các đối tượng có liên quan đến toán học Ngôn ngữ của lý thuyết tập hợp có thể được sử dụng để xác định gần như tất cả các đối tượng toán học

Lý thuyết tập hợp bắt đầu bằng một quan hệ nhị phân cơ bản[11] giữa một đối tượng và tập hợp Một tập hợp được mô tả bằng cách liệt kê các phần tử được phân tách bằng dấu phẩy hoặc bằng một đặc tính đặc trưng của các phần tử của nó, trong dấu ngoặc {} Vì các tập hợp là các đối tượng, nên mối quan hệ thành viên cũng có thể liên quan đến các tập hợp Giả sử cho một tập vũ trụ U, khi đó ta có tập tất cả các tập con của U ký hiệu là P(U) và nó trở thành một đại số tập hợp với các phép tính hợp ∪, giao ∩, hiệu \ và lấy phần bù –, (P(U), ∪, ∩, \, –) Bây giờ mỗi tập hợp A∈P (U) có thể được xem như là một hàm số λA: U → {0, 1} được xác định như sau:

ta có thể nói tập hợp A có thể được biểu thị bằng một hàm mà giá trị của nó là độ

thuộc về hay đơn giản là độ thuộc của phần tử trong U vào tập hợp A: Nếu λA(x) = 1 thì x ∈ A với độ thuộc là 1 hay 100% thuộc vào A, còn nếu λA(x) = 0 thì x ∉ A hay x

∈ A với độ thuộc là 0 tức là độ thuộc 0%

Từ đó ta có thể thấy các bộ mờ có thể được coi là một phần mở rộng và tổng thể quá mức của các bộ cổ điển Nó có thể được hiểu rõ nhất trong bối cảnh thiết lập phần tử Về cơ bản, nó cho phép phần tử có một phần có chứa các thành phần có mức

độ thành viên khác nhau trong tập hợp Từ đó, chúng ta có thể hiểu được sự khác biệt giữa tập cổ điển và tập mờ Tập cổ điển chứa các phần tử thỏa mãn các thuộc tính chính xác của thành viên trong khi tập mờ chứa các phần tử thỏa mãn các thuộc tính không chính xác của thành viên

Tập cổ điển[10] là một bộ sưu tập các đối tượng riêng biệt Ví dụ, một nhóm học sinh trong các lớp học Mỗi thực thể riêng lẻ trong một tập hợp được gọi là một thành viên hoặc một thành phần của tập hợp Tập hợp cổ điển được định nghĩa theo cách mà vũ trụ diễn ngôn được chia thành hai nhóm thành viên và không phải thành viên Do đó, trong trường hợp bộ cổ điển, không có thành viên một phần tồn tại

Chúng ta hãy cùng qua một ví dụ khác trên cách nhìn như vậy, chúng ta hãy chuyển sang việc tìm kiếm cách thức biểu diễn ngữ nghĩa của khái niệm mờ, các từ như trẻ, cao, tốt,… là những tập mờ Ta cùng đến một ví dụ cụ thể như sau: giả sử tuổi của con người nằm trong khoảng U = [0, 120] tính theo năm Đối với một số người, trẻ có thể là 25 tuổi, nhưng đối với một số người khác, trẻ có thể đến 35 tuổi, khái niệm trẻ có thể biểu thị bằng một tập hợp như sau: Xét một tập hợp Atrẻ những người được xem là trẻ Vậy, một câu hỏi là “Một người x có tuổi là n được hiểu là

niệm không rõ ràng, tuổi 35 vẫn có thể coi là trẻ và điều đó tuỳ thuộc vào ngữ cảnh của người sử dụng Một cách chủ quan, chúng ta có thể hiểu những người có tuổi từ

1 – 27 chắc chắn sẽ thuộc vào tập hợp ARất trẻ, tức là với độ thuộc bằng 1 Tiếp theo

đó, ta có tập những người trẻ tuổi Atrẻ nằm trong khoảng từ 1 – 52 Xét một người có tuổi 27 có lẽ chỉ thuộc vào tập Atrẻ với độ thuộc 0,9, nhưng lại thuộc tập ARất trẻ chỉ ở mức 0.5, và khi đó người có tuổi 50 sẽ thuộc vào tập này với độ thuộc 0,0… Với ý tưởng đó, ngữ nghĩa của khái niệm trẻ sẽ được biểu diễn bằng một hàm số µ trẻ: U

→ [0, 1], một dạng khái quát trực tiếp từ khái niệm hàm đặc trưng λA của một tập hợp kinh điển A đã đề cập ở trên

Một câu hỏi tự nhiên xuất hiện là tại sao người có tuổi 27 có lẽ chỉ thuộc vào tập Atrẻ với độ thuộc 0,9 mà không phải là 0,65? Trong lý thuyết tập mờ chúng ta không có ý định trả lời câu hỏi kiểu như vậy mà ghi nhận rằng tập mờ của một khái niệm mờ phụ thuộc mạnh mẽ vào chủ quan của người dùng hay, một cách đúng đắn hơn, của một cộng đồng, hay của một ứng dụng cụ thể Đôi khi khái niệm này sẽ phụ thuộc vào từng người khác nhau

Trong thực tế, có rất nhiều khái niệm mờ tồn tại Trong suy nghĩ của con người

và việc đưa ra quyết định (phân tích, lý luận, sự lý giải, …) vẫn luôn thường xuất hiện

Hình 2.2: Ví dụ về tập mờ (nguồn:

https://www.iitk.ac.in/eeold/archive/courses/2013/intel-info/d1pdf3.pdf)

những thông tin mờ Chúng ta có thể đưa ra những câu trả lời thích hợp, những điều

mà chúng ta cho là đúng

Điều này thể hiện tính không chính xác về ngữ nghĩa của các khái niệm mờ Khi mọi thứ chỉ nằm ở cảm quan, không phải là những giá trị thuần tuý, những giá trị cố định Vì thế tập mờ không thể giải quyết được trong nhiều trường hợp Tuy nhiên, thực tế này không ảnh hưởng đến khả năng ứng dụng của lý thuyết tập mờ vì mỗi giải pháp dựa trên lý thuyết tập mờ cũng chỉ nhằm vào một miền ứng dụng cụ thể trong đó các khái niệm mờ trong ứng dụng hay trong cộng đồng sử dụng ứng dụng

đó sẽ có ý nghĩa chung thống nhất

2.1.2 Lý thuyết tập mờ

Con người có khả năng lý luận đáng chú ý và đưa ra quyết định trong một môi trường không chắc chắn, thiếu chính xác, không đầy đủ thông tin và một phần kiến thức, sự thật và tư cách thành viên của một lớp Mục tiêu chính của logic mờ[8] là chính thức hóa khả năng này Đây là sự đơn giản hóa quá mức của các vấn đề trong thế giới thực và dựa trên mức độ chân thực thay vì thông thường đúng/sai hoặc 1/0 như logic nhị phân[11]

Ý tưởng về logic mờ được tiến hành đầu tiên bởi giáo sư Lotfi Zadeh đưa ra vào những năm 1960 Giáo sư Zadeh đang nghiên cứu vấn đề hiểu máy tính về ngôn ngữ tự nhiên Ngôn ngữ tự nhiên giống như hầu hết các hoạt động khác trong cuộc sống chúng không hề dễ dàng được dịch thành các thuật ngữ tuyệt đối như 0 và 1 Cho dù mọi thứ cuối cùng có thể mô tả bằng thuật ngữ nhị phân là một câu hỏi triết học đáng để theo đuổi, nhưng trong thực tế nhiều dữ liệu chúng ta có thể muốn cung cấp cho máy tính ở một số trạng thái ở giữa và vì vậy, thường là kết quả của điện toán Có thể giúp thấy logic mờ vì cách lý luận thực sự hoạt động và logic nhị phân đơn giản là trường hợp đặc biệt của nó khi mọi sự đều đạt đến mức thấp nhất hoặc cao nhất

Giáo sư Lotfi Zadeh thuộc trường đại học Caliornia, Berkley đã lần đầu tiên giới thiệu lý thuyết tập mờ trong một công trình nghiên cứu năm 1965 tại Mỹ Lý

mờ, lý thuyết đồ thị mờ, và phân tích dữ liệu mờ, mặc dù thuật ngữ logic mờ thường được dùng cho tất cả

Không giống như tập rõ mà ta đã biết trước đây, mỗi phần tử luôn xác định hoặc thuộc hoặc không thuộc nó, thì với tập mờ chỉ có thể xác định một phần tử liệu thuộc vào nó là nhiều hay ít, tức mỗi đối tượng chỉ là phần tử của tập mờ với một khả năng nhất định mà thôi

Trọng tâm của lý thuyết tập mờ là việc đề xuất khái niệm tập mờ fuzzy sets[8]

Về mặt toán học, một tập mờ A là một hàm số được gọi là hàm thuộc hay membership function có giá trị xác định trên khoảng giá trị số mà đối số x có thể chấp nhận gọi là tập vũ trụ X, cho bởi:

𝜇!(𝑥): 𝑋 → [0.0: 1.0] (2) Trong đó, A là nhãn mờ của biến x, thường mang một ý nghĩa ngôn ngữ nào

đó, mô tả định tính thuộc tính của đối tượng, chẳng hạn như cao, thấp, nóng, lạnh, sáng, tối

2.1.3 Logic mờ

Logic nhị phân dựa trên một luật rằng mọi thứ hoặc là A hoặc là không-A[11]

Đó là thứ logic bạn phải chấp nhận khi làm phép thử đúng-sai Đó cũng là logic của các máy tính: có điện hoặc không có điện, 1 hoặc 0

Logic mờ[8] bao gồm 0 và 1 là các trường hợp cực đoan của sự thật hoặc

"trạng thái của vấn đề" hoặc "thực tế" nhưng cũng bao gồm các trạng thái khác nhau của sự thật ở giữa, do đó, ví dụ, kết quả so sánh giữa hai điều có thể là không phải

"cao" hay "thấp" Nó được sử dụng để xử lý khái niệm chân lý một phần, trong đó giá trị chân lý có thể nằm giữa hoàn toàn đúng và hoàn toàn sai Ngược lại, trong logic nhị phân, các giá trị thật của các biến chỉ có thể là các giá trị nguyên 0 hoặc 1

Logic mờ dường như gần hơn với cách bộ não của chúng ta làm việc Chúng

ta tổng hợp dữ liệu và hình thành một số sự thật một phần mà chúng ta tổng hợp thành những sự thật cao hơn, đến khi vượt quá ngưỡng nhất định, đưa ra một số kết quả nhất định như phản ứng vận động

Logic mờ dựa trên quan sát rằng mọi người đưa ra quyết định dựa trên thông tin không chính xác và không tuyệt đối Các mô hình hoặc tập hợp mờ là các phương tiện toán học đại diện cho sự mơ hồ và thông tin không chính xác do đó ta có thuật ngữ mờ Những mô hình này có khả năng nhận dạng, đại diện, thao tác, giải thích và

sử dụng dữ liệu và thông tin mơ hồ và thiếu chắc chắn

Một loại quy trình tương tự được sử dụng trong các mạng thần kinh, hệ thống chuyên gia và các ứng dụng trí tuệ nhân tạo khác Logic mờ rất cần thiết cho sự phát triển các khả năng giống như con người đối với AI, đôi khi được gọi là trí thông minh chung nhân tạo: sự thể hiện khả năng nhận thức của con người trong phần mềm để đối mặt với một nhiệm vụ lạ lẫm, hệ thống AI có thể tìm ra giải pháp

Tới giờ, logic nhị phân vẫn được sử dụng trong nhiều trường hợp Một ví dụ

là nếu bạn đến một trường học cấp 1 và hỏi trong lớp “Ai là con trai?”, tất cả em trai

sẽ giơ tay lên và các em gái bỏ tay xuống Bạn có một câu trả lời dứt khoát, bởi mỗi người hoặc là con gái hoặc không sẽ là con gái

Cũng trong trường hợp đó, nếu chúng ta đổi câu hỏi đi thành “Ai thích đi học?”

Sẽ có một vài đứa bé có thể giơ cả hai tay vì chúng rất thích đi học, nhưng không phải tất cả mọi đứa trẻ đều thích đi học, vì thế chúng ta có thể thấy sau cùng sẽ có những đứa khác thì có thể hạ tay xuống vì chúng ghét đi học Thế nhưng trong quá trình đưa

ra kết quả cuối cùng hầu hết bọn trẻ sẽ giơ tay lên, rồi hạ xuống vài lần và sau đó để

lơ lửng ở giữa, cũng có thể là đầu tiên không giơ tay, nhưng sau một lúc suy nghĩ thì lại giơ tay lên Chúng ta có thể kết luận là đa số chúng nó thích học, nhưng lại có một

số thứ ở trường làm chúng ghét, và việc này làm ảnh hưởng tới kết quả cuối cùng của bọn trẻ, chúng sẽ mất thời gian để xử lý việc này và đôi lúc kết quả này sẽ liên quan tới một phần cảm tính, như ngày hôm nay bọn trẻ đã gặp gì, có điều gì làm cho bọn trẻ thích thú hoặc chán ghét không, bạn bè hôm nay liệu có tốt với bọn trẻ không, … bài học có thú vị không

Khác với lý thuyết logic truyền thống, một biểu thức logic mờ có thể nhận một trong vô số giá trị nằm trong khoảng số thực từ 0 đến 1 Với logic truyền thống mọi

ở tập khác Logic mờ dựa trên lập luận rằng A có thể chứa không-A Nghĩa là một thứ có thể chứa một phần thứ khác mâu thuẫn với nó Chúng ta sẽ đến với một ví dụ tiếp theo như tập chiều cao Chúng ta có thể thấy là các khái niệm về chiều cao của con người là một tập mờ, trong đó có thể gọi một người với chiều cao từ 1,2m tới 1,5m là thấp, nhưng một người có chiều cao trung bình lại không phải lúc nào cũng

từ 1,5m trở lên, đôi khi chiều cao một người ở mức 1,4m cũng có thể gọi là trung bình, chiều cao trung bình sẽ nằm trong khoảng từ 1,4m tới 1,8m Tương tự cho khoảng cao, một con người cao không nhất thiết phải nằm ở mức 1,8m mà chỉ cần 1,7m cũng là cao Và cũng sẽ có những người rất cao nằm ở khoảng ngoài 2m

Ta có thể đưa ra nhận xét như sau trong logic truyền thống, một sự kiện chỉ có thể hoặc là đúng (tương đương với True - 1) hoặc là sai (tương đương với False - 0) còn trong logic mờ, mức độ đúng của một sự kiện được đánh giá bằng một số thực

có giá trị nằm giữa 0 và 1, tuỳ theo mức độ đúng “nhiều” hay “ít” của nó

Logic mờ được phát triển từ lý thuyết tập mờ để thực hiện lập luận một cách xấp xỉ thay vì lập luận chính xác theo logic vị từ cổ điển Logic mờ có thể được coi

là mặt ứng dụng của lý thuyết tập mờ để xử lý các giá trị trong thế giới thực cho các bài toán phức tạp Trong logic cổ điển thì mệnh đề là một câu phát biểu đúng, sai Thế nhưng trong logic mờ thì mỗi mệnh đề mờ là một câu phát biểu không nhất thiết đúng hoặc sai Mệnh đề mờ được gán cho một giá trị trong khoảng từ 0 đến 1 để chỉ mức độ đúng (độ thuộc) của nó

Các phép toán mệnh đề trong logic mờ được định nghĩa như sau:

Phép phủ định: 𝑣;𝑃"#ủ đị(#= = 1 − 𝑣(𝑝)

Hình 2.3: Tập chiều cao của con người

Định nghĩa 2.1: hàm n:[0,1]->[1,0] không tăng thoả mãn điều kiện n(0) = 1, n(1) = 0 gọi là hàm phủ định

b) T(x,y) = T(y,x), với mọi 0 ≤ 𝑥, 𝑦 ≤ 1

c) T(x,y) =T(u,v), với mọi 0 ≤ 𝑥 ≤ 𝑢 ≤ 1, 0 ≤ 𝑦 ≤ 𝑣 ≤ 1

d) T(x,T(y,z)) = T(T(x,y),z), với mọi 0 ≤ 𝑥, 𝑦, 𝑧 ≤ 1

Phép giao (t-conorm): 𝑣(𝑃+∩ 𝑃)) = 𝑚𝑖𝑛;𝑣(𝑃+), 𝑣(𝑃))=

Định nghĩa 2.3: Hàm S:[0,1] gọi là t-conorm nếu thoả mãn các tiên đề sau: a) S(0,x) = x, với mọi 0 ≤ 𝑥 ≤ 1

b) S(x,y) = S(y,x), với mọi 0 ≤ 𝑥, 𝑦 ≤ 1

c) S(x,y) ≤ S(u,v), với mọi 0 ≤ 𝑥 ≤ 𝑢 ≤ 1, 0 ≤ 𝑦 ≤ 𝑣 ≤ 1

d) S(x,S(y,z)) = S(S(x,y),z),, với mọi 0 ≤ 𝑥, 𝑦, 𝑧 ≤ 1

Phép kéo theo: 𝑣(𝑃 → 𝑄) = ;𝑃"#ủ đị(#∪ 𝑄= = 𝑚𝑎𝑥 P𝑣;𝑃"#ủ đị(#=, 𝑣(𝑄)Q Định nghĩa 2.4: phép kéo theo là một hàm số I: [0,1] → [0,1] thoả các điều kiện sau:

a) Nếu 𝑥 ≤ 𝑧 thì I(x, y) ≥ I(z, y), với mọi 𝑦 ⊆ [0,1]

b) Nếu 𝑦 ≤ 𝑢 thì I(x, y) ≤ I(x, y), với mọi 𝑦 ⊆ [0,1]

c) I(0,x) = 1, với mọi 𝑦 ⊆ [0,1]

d) I(x,1) = 1, với mọi 𝑦 ⊆ [0,1]

e) I(1,0) = 0

Như vậy có thể nói, logic mờ là một công cụ toán học cho phép chuyển đổi từ giá trị định lượng sang giá trị định tính

2.1.4 Lập luận mờ

Lập luận mờ[8], còn được gọi là lý luận gần đúng, là một thủ tục suy luận rút

ra kết luận từ một tập hợp các quy tắc if-then mờ và các sự kiện đã biết Trước khi đưa ra lý luận mờ, chúng ta sẽ thảo luận về quy tắc suy luận thành phần, đóng vai trò chính trong lý luận mờ

Cũng như ý tưởng của logic mờ, lập luận mờ nhằm hướng đến việc mô phỏng lập luận, suy nghĩ của con người Lập luận mờ được ứng dụng trong các hệ chuyên gia, hệ hỗ trợ ra quyết định, điều khiển

Nguyên tắc suy luận cơ bản trong chủ đề hai giá trị truyền thống là modus ponens[12], theo đó chúng ta có thể suy ra sự thật của một mệnh đề B từ sự thật của

A và hàm ý A → B Chẳng hạn, trong logic mệnh đề, luật modus ponens cho phép từ hai công thức A và A⇒B suy ra công thức B Chúng ta sẽ hiểu lập luận hoặc suy diễn

là một quá trình áp dụng các luật suy diễn để từ các tri thức trong cơ sở tri thức và các sự kiện ta nhận được các tri thức mới Ví dụ tiếp theo là, nếu A được xác định bằng "cà chua có màu đỏ" và B với "cà chua đã chín", thì nếu đúng là "cà chua có màu đỏ" thì cũng đúng là "cà chua đã chín" Quá trình thực hiện lập luận mờ được xem là sự khái quát hóa của luật Modus Ponens, từ đó sử dụng hàm biến đổi giá trị chân lý để ước lượng tập mờ tương ứng Trong trường hợp việc lập luận mờ có nhiều giả thiết, bài toán lập luận mờ được phát biểu như sau:

𝐼𝐹(𝑋+ = 𝑥++) 𝐴𝑁𝐷 (𝑋) = 𝑥+)) 𝐴𝑁𝐷 … 𝐴𝑁𝐷 (𝑋( = 𝑥+() 𝑇𝐻𝐸𝑁 𝐷 = 𝑑+

……

𝐼𝐹(𝑋+ = 𝑥,+) 𝐴𝑁𝐷 (𝑋) = 𝑥,)) 𝐴𝑁𝐷 … 𝐴𝑁𝐷 (𝑋( = 𝑥,() 𝑇𝐻𝐸𝑁 𝐷

= 𝑑, (𝑋+ = 𝑥-+) 𝐴𝑁𝐷 (𝑋) = 𝑥-)) 𝐴𝑁𝐷 … 𝐴𝑁𝐷 (𝑋( = 𝑥-() Với (𝑋+, 𝑋), … , 𝑋() là các tập mờ các yếu tố đầu vào và tập mờ giá trị kết luận

D Ứng với giá trị yếu tố đầu vào (𝑥-+, 𝑥-), … , 𝑥-() tương ứng với các tập mờ (𝑋+, 𝑋), … , 𝑋() ta ứng dụng phương pháp lập luận mờ để nội suy giá trị kết quả 𝑑-thuộc tập mờ D

Quy tắc suy luận thành phần là một khái quát của khái niệm sau đây Trong phần lớn lý luận của con người, modus ponens được sử dụng một cách gần đúng Ví dụ: nếu chúng ta có cùng một quy tắc hàm ý "nếu cà chua có màu đỏ thì nó đã chín"

và chúng ta biết rằng "cà chua có màu đỏ nhiều hơn hoặc ít hơn", thì chúng ta có thể suy ra rằng "cà chua chín nhiều hay ít"

Các phương pháp lập luận mờ đa điều kiện nói chung đều dựa trên ý tưởng như sau: Ngữ nghĩa của các giá trị ngôn ngữ của các biến ngôn ngữ trong mô hình

mờ được biểu thị bằng các tập mờ Khi đó mỗi mô hình sẽ được mô phỏng bằng một quan hệ mờ hai ngôi R

Sử dụng các quy tắc thành phần suy luận, chúng ta có thể xây dựng quy trình suy luận về lý luận mờ như định nghĩa Hiệu quả của phương pháp lập luận mờ nói chung phụ thuộc nhiều yếu tố rất căn bản như lựa chọn tập mờ (bài toán xây dựng các hàm thuộc), xây dựng quan hệ mờ mô phỏng tốt nhất mô hình mờ (tri thức) và bài toán lựa chọn phép kết nhập, …

2.1.5 Ưu nhược điểm

Sử dụng logic mờ, ta sẽ có những ưu điểm như sau:

• Logic mờ rất đơn giản và linh hoạt

• Có thể giải quyết vấn đề với những dữ liệu không chính xác

• Mất ít thời gian để phát triển, xây dựng ứng dụng

• Xử lý với với nhiều điều kiện

• Hoạt động gần giống cách con người ra quyết định

Ta cũng phải kể đến những khó khăn khi sử dụng logic mờ như sau:

• Logic mờ không phải lúc nào cũng chính xác, vì vậy kết quả được cảm nhận dựa trên giả định có thể không được chấp nhận rộng rãi

• Xác nhận sự đúng đắn của hệ thống dựa trên điều khiển mờ cần thử nghiệm rộng rãi với phần cứng

2.1.6 Suy luận mờ

Giả sử ta có qui tắc: Nếu (x là A) thì ( y là B), và ta có nếu biết x là x', cần suy

ra giá trị y Quá trình suy ra giá trị ở mệnh đề kết luận khi biết qui tắc mờ và giá trị

cụ thể ở mệnh đề điều kiện gọi là sự suy luận mờ

Phương pháp điểm trọng tâm sẽ cho kết quả 𝑦- là hoành độ của điểm trọng tâm, miền được bao phủ bởi trục hoành và đường 𝜇.(𝑦) Phương pháp điểm trọng tâm xuất phát từ ý tưởng mọi giá trị của S đều được đóng góp với trọng số vào việc xác định giá trị khử mờ của tập mờ R, ở đây trọng số của nó là độ thuộc của phần tử vào tập mờ R Theo nghĩa thông thường của trọng tâm, công thức tính giá trị khử mờ

có dạng sau:

𝑦- =∫ 𝑦𝜇/ .(𝑦)𝑑𝑦

∫ 𝜇/ .(𝑦) + 𝑡0123(3)

2.2 Tổng quan về đại số gia tử

2.2.1 Biến ngôn ngữ

Trong khi các biến trong toán học thường lấy các giá trị số, trong các ứng dụng logic mờ, các giá trị không phải là số thường được sử dụng để tạo thuận lợi cho việc thể hiện các quy tắc và sự kiện

Một biến ngôn ngữ[13] như tuổi có thể chấp nhận các giá trị như trẻ và từ trái nghĩa của nó Bởi vì ngôn ngữ tự nhiên không phải lúc nào cũng chứa đủ các thuật ngữ giá trị để diễn tả thang giá trị mờ, nên thông thường là sửa đổi các giá trị ngôn ngữ bằng tính từ hoặc trạng từ

Lotfi Zadeh đã viết “khi thiếu hụt tính chính xác bề ngoài của những vấn đề phức tạp, một cách tự nhiên là tìm cách sử dụng các biến ngôn ngữ, đó là các biến mà giá trị của chúng không phải là số mà là các từ hoặc các câu trong ngôn ngữ tự nhiên hoặc nhân tạo Động lực cho việc sử dụng các từ, các câu hơn các số là đặc trưng ngôn ngữ của các từ, các câu thường là ít xác định hơn của số” Ví dụ: chúng ta có thể sử dụng các giá trị thay thế và phần nào để xây dựng các giá trị bổ sung như khá

Trong quá trình suy luận, các biến được gọi bằng các thuật ngữ ngôn ngữ được xác định và các tập mờ xác định sự tương ứng với các giá trị số Các thuộc tính này cũng thể hiện trong ngôn ngữ như để mô tả tính chất đối tượng là con người, trong ngôn ngữ tự nhiên chúng ta có những thuộc tính tuổi, chiều cao, lương, năng lực…

lý do như vậy, Zadeh gọi các thuộc tính kiểu như vậy là biến ngôn ngữ và miền giá trị của chúng là giá trị ngôn ngữ hay gọi là miền ngôn ngữ

Biến ngôn ngữ là biến có giá trị ngôn ngữ được xây dựng từ các phần tử sinh nguyên thủy của biến đó bởi tác động của các gia tử và các liên từ Biến ngôn ngữ đặc trưng bởi một bộ (L, T(L), U, G, M) trong đó:

• L là tên của biến ngôn ngữ

• T(L) là tập các giá trị ngôn ngữ của biến X

• U là tập vũ trụ của ngôn ngữ

• G là luật ký pháp cho phép sinh ra các phần tử của T(L)

• M là luật ngữ nghĩa gán mỗi phần tử của T(X) bởi một tập mờ trên U Đặc trưng của biến ngôn ngữ là:

• Các giá trị ngôn ngữ có ngữ nghĩa tự nhiên của biến ngôn ngữ khi được con người sử dụng trong cuộc sống hàng ngày, con người sử dụng ngữ nghĩa này để xác định quan hệ thứ tự ngữ nghĩa giữa các giá trị ngôn ngữ của cùng một biến

• Các gia tử ngôn ngữ được con người sử dụng để nhấn mạnh về mặt ngữ nghĩa của giá trị ngôn ngữ, tức là mỗi gia tử có thể làm mạnh lên hoặc yếu đi ngữ nghĩa tự nhiên của giá trị ngôn ngữ được tác động

• Với mỗi giá trị L trong tập T(L) và tập H các gia tử ngôn ngữ, khi đó H

sẽ được phân hoạch thành hai tập rời sao cho một tập chứa các gia tử làm tăng ngữ nghĩa của tập L và tập còn lại chứa các gia tử làm giảm ngữ nghĩa của L Hơn nữa, trong mỗi tập con đó của H, bản thân các gia tử cũng được sắp xếp thứ tự theo mức độ ngữ nghĩa của chúng Các tính chất trên cho phép chúng ta xây dựng một cấu trúc thứ tự ngữ nghĩa ứng với một biến ngôn ngữ bất kỳ, cấu trúc thứ tự này có thể làm tăng hoặc giảm ngữ nghĩa của giá trị biến ngôn ngữ Dựa vào đặc trưng của biến ngôn ngữ, ta xây dựng miền giá trị của biến ngôn ngữ thành một tập hợp sắp thứ tự bộ phận Xét biến ngôn ngữ L, khi đó T(L) là tập hợp các giá trị của biến ngôn ngữ L và được gọi là miền giá trị của biến ngôn ngữ L

2.2.2 Các đặc trưng của biến ngôn ngữ

Biến ngôn ngữ là một khái niệm quan trọng trong logic mờ và đóng vai trò chính trong các ứng dụng của nó, đặc biệt là trong hệ thống chuyên gia mờ Trong thực tế có rất nhiều biến ngôn ngữ khác nhau về các giá trị nguyên thuỷ, chẳng hạn như biến ngôn ngữ “số ngày làm việc” có giá trị nguyên thuỷ là ít, nhiều, biến ngôn ngữ “lương” có giá trị nguyên thuỷ là thấp, cao, … Biến ngôn ngữ đôi khi có thể là biến có giá trị là các từ trong ngôn ngữ tự nhiên Ví dụ, tốc độ, tốc độ cao là một biến ngôn ngữ, có thể lấy các giá trị như là chậm chậm, tốc độ nhanh, tốc độ nhanh, vân vân và vân vân Tuy nhiên, những kết quả nghiên cứu đối với một miền trị của một biến ngôn ngữ cụ thể vẫn giữ được ý nghĩa về mặt cấu trúc đối với miền giá trị của các biến còn lại Đặc trưng này được gọi là tính phổ quát của biến ngôn ngữ

Các biến ngôn ngữ thu thập các yếu tố thành các nhóm tương tự, nơi chúng ta

có thể xử lý ít chính xác hơn và do đó chúng ta có thể xử lý các hệ thống phức tạp hơn Ngữ nghĩa của các gia tử và các liên từ hoàn toàn độc lập với ngữ cảnh, điều này khác với giá trị nguyên thủy của các biến ngôn ngữ lại phụ thuộc vào ngữ cảnh Ví

dụ ta nói “lương” của cán bộ An là rất cao, khi đó được hiểu rằng “lương” khoảng trên 8.000.000 đồng, nhưng ta nói “chiều cao” của cán bộ An là rất cao thì được hiểu rằng “chiều cao” khoảng trên 1.8 m Do đó khi tìm kiếm mô hình cho các gia tử và các liên từ chúng ta không quan tâm đến giá trị nguyên thuỷ của biến ngôn ngữ đang xét Đặc trưng này được gọi là tính độc lập ngữ cảnh của gia tử và liên từ Chúng ta

có thể thấy biến ngôn ngữ là biến có giá trị là từ hoặc câu trong ngôn ngữ tự nhiên hoặc nhân tạo Nó là một biểu diễn toán học của các khái niệm ngữ nghĩa bao gồm nhiều hơn một thuật ngữ (tập mờ) Nó là một biến được tạo thành từ một số từ với mức độ thành viên liên quan

Các đặc trưng trên cho phép chúng ta sử dụng cùng một tập các gia tử và xây dựng một cấu trúc toán học duy nhất cho miền giá trị của các biến ngôn ngữ khác nhau

2.2.3 Đại số gia tử của biến ngôn ngữ

Giả sử X là một biến ngôn ngữ và miền giá trị của X là Dom(X) Một đại số gia tử[14] AX tương ứng của X là một bộ 4 thành phần AX=(Dom(X), C, H, ≤) trong

đó C là tập các phần tử sinh, H là tập các gia tử (hedges) và quan hệ “≤” là quan hệ thứ tự ngữ nghĩa giữa các hạng từ Ví dụ như X là một biến chỉ lưu lượng các phương tiện giao thông của một làn đường thì Dom(X) = {very low, low, medium, high, very high, }∪{0, 1, average}, C = {very}, trong đó 0 là phần tử nhỏ nhất, 1 là phần tử lớn nhất, average là phần tử trung hòa, H = {very, more, possible, little}

Trong đại số gia tử AX = (Dom(X), C, H, ≤) nếu Dom(X) và C là tập sắp thứ

tự tuyến tính với quan hệ ≤ là quan hệ thứ tự ngữ nghĩa giữa các hạng từ thì AX được gọi là đại số gia tử tuyến tính

Hai phần tử sinh của biến ngôn ngữ có khuynh hướng ngữ nghĩa trái ngược nhau: crowded có khuynh hướng “đi lên” còn gọi là hướng dương ký hiệu c+, uncrowded có khuynh hướng “đi xuống” còn gọi là hướng âm, ký hiệu c- Theo quan

hệ thứ tự ngữ nghĩa ta có: c+>c−

Về trực giác, mỗi gia tử có khuynh hướng làm tăng hoặc giảm ngữ nghĩa của phần tử sinh nguyên thủy Chẳng hạn như very high > high và very low < low điều này có nghĩa gia tử very làm mạnh thêm ngữ nghĩa của cả hai phần tử sinh low, high Nhưng little low < low và little high < high vì thế little có khuynh hướng làm yếu đi ngữ nghĩa của phần tử sinh Ta nói very là gia tử dương và little là gia tử âm Ta ký hiệu H− là tập các gia tử âm, H+ là tập các gia tử dương và H=H-∪H+ Nếu cả hai gia

tử h và k cùng thuộc H+ hoặc H−, thì ta nói h, k sánh được với nhau Dễ thấy little và possible là sánh được với nhau và little > posible, vì little low > possible low > low Ngược lại, nếu h và k không đồng thời thuộc H+ hoặc H-, khi đó ta nói h, k ngược nhau

Hơn nữa, chúng ta nhận thấy mỗi gia tử đều có sự ảnh hưởng (làm tăng hoặc làm giảm) đến ngữ nghĩa của các gia tử khác Vì vậy, nếu k làm tăng ngữ nghĩa của

h, ta nói k là dương đối với h Ngược lại, nếu k làm giảm ngữ nghĩa của h, ta nói k là

âm đối với h Chẳng hạn xét các gia tử ngôn ngữ very, more, little, possible, của biến

ngôn ngữ TRUTH Vì little true < true và very little true < little true < possible little true, nên very là dương đối với little còn possible là âm đối với little Tính âm, dương của các gia tử đối với các gia tử khác không phụ thuộc vào phần tử ngôn ngữ mà nó tác động

Một tính chất ngữ nghĩa quan trọng của các gia tử được gọi là tính kế thừa Tính chất này thể hiện ở chỗ khi tác động gia tử vào một giá trị ngôn ngữ thì ngữ nghĩa của giá trị này bị thay đổi nhưng vẫn giữ được ngữ nghĩa gốc của nó Điều này

có nghĩa là với mọi gia tử h, giá trị hx thừa kế ngữ nghĩa của x Tính chất này góp phần bảo tồn quan hệ thứ tự ngữ nghĩa: nếu hx ≤ kx thì h’hx ≤ k’kx, hay h’ và k’ bảo tồn quan hệ ngữ nghĩa của hx và kx một cách tương ứng Chẳng hạn như theo trực giác ta có little true ≤ possible true, khi đó: possible little true ≤ little possible true

2.2.4 Định lượng ngữ nghĩa của giá trị biến ngôn ngữ

Phương pháp lập luận mờ phụ thuộc vào việc chọn các tham số cho các đại số gia tử của các biến ngôn ngữ, thông thường người ta sử dụng trực giác để chọn các tham số này điều này cũng rất hợp lí Ví dụ xét đại số gia tử của biến ngôn ngữ tốc

độ vòng quay của một mô tơ với Slow, Medium và Fast; ta thấy việc chọn fm(Slow)

= 0,5 và fm(Fast) = 0,5 cũng là hợp lí vì trên thực tế vai trò của Slow và Fast là như nhau và khó có thể giải thích tại sao chọn fm(Slow) = 0,4 và fm(Fast) = 0,6

Như vậy ta có thể cố định các tham số của đại số gia tử bằng trực giác, tuy nhiên để tạo ra tính mềm dẻo cho phương pháp ta có thể điều chỉnh ngữ nghĩa định lượng của các giá trị ngôn ngữ bằng cách đưa vào các tham số điều chỉnh

Trong luận văn này ta sử dụng đại số gia tử[15] AX = (Dom(X), C, H, ≤) là đại số gia tử tuyến tính với C = {c-, c+}∪{0, 1, W} H = H-∪H+, H- = {h1, h2, , hq} thỏa h1< h2< < hq và H+={h1, h2, , hp} thỏa h1<h2< < hp

Giả sử H(x) là tập các phần tử của X sinh ra từ x bởi các gia tử Khi đó H(x) bao gồm các khái niệm mờ mà nó phản ánh ý nghĩa nào đó của khái niệm x Vì vậy, kích thước của tập H(x) có thể biểu diễn tính mờ của x Từ đó, ta có thể định nghĩa

độ đo tính mờ như sau: Độ đo tính mờ của x, ta ký hiệu là fm(x), là độ dài đoạn chứa

Định nghĩa 2.5 Cho đại số gia tử AX = (Dom(X), C, H, ≤) Hàm fm: Dom(X)

→ [0,1] được gọi là hàm độ đo tính mờ của các phần tử trong Dom(X) nếu:

1) fm(c−) + fm(c+) = 1 và ∑hÎH fm(hu) =fm(u), với ∀u∈Dom(X)

2) fm(x) = 0, với mọi x sao cho H(x) = {x} Đặc biệt, fm(0) = fm(W) = fm(1)

= 0

3)∀x,y∈Dom(X),∀h∈H, 45(#7)45(7) =45(#9)45(9), tỷ lệ này không phụ thuộc vào x,y

và được gọi là độ đo tính mờ của gia tử h, ký hiệu là μ(h)

Điều kiện 1) có nghĩa là các phần tử sinh và các gia tử là đủ để biểu diễn ngữ nghĩa của miền giá trị thực của các biến có giá trị trong đoạn [0, 1] Tập gia tử H và hai phần tử sinh nguyên thủy đủ để phủ toàn bộ miền giá trị thực của biến ngôn ngữ

Về trực giác, ta có điều kiện 2), 3) thể hiện sự tác động của gia tử h nào đó vào các khái niệm mờ là giống nhau (không phụ thuộc vào khái niệm mờ)

Mệnh đề 2.1 Cho fm là hàm độ đo tính mờ trên Dom(X) Ta có:

1) fm(hx) = μ(h)fm(x), ∀x∈X; ii) fm(c−) + fm(c+) = 1

2) fm(c−) + fm(c+) = 1

3) ∑:;<=<>,=@- fm(hic) = fm(c), với c ∈ {c−, c+}

4) ∑:;<=<>,=@- fm(hix) = fm(x)

5) ∑:;<=<:+μ(hi)=α và ∑+<=<>μ(hi)=β, trong đó α, β > 0 và α + β = 1

Định nghĩa 2.6 Hàm dấu sign: X → {-1, 0, 1} được định nghĩa đệ quy như sau:

1) sign(c-) = -1, sign(c+) = +1

2) sign(h'hx) = -sign(hx) nếu h' âm đối với h và h'hx ≠ hx

3) sign(h'hx) = sign(hx) nếu h' dương đối với h và h'hx ≠ hx

1) v(w) = θ = fm(c−), v(c−) = θ-αfm(c−), v(c+) = θ + αfm(c+), với 0<θ<1 2) v(hjx) = v(x) + sign(hjx)(∑A=BC=DE(F)fm(hix) − ω(hjx)fm(hjx)), j∈[-q^p] Trong đó: ω(hjx) = +

)[1 + sign(ℎAx)sign(ℎ"ℎAx)(β − α)] ∈ {α, β},[q^p]={j: q≤j≤p & j≠0}

-Trong đó w là phần tử trung hòa, θ là giá trị định lượng ngữ nghĩa của w đã được xác định trước Điều kiện 1) xác định giá trị định lượng ngữ nghĩa của phần tử trung hòa, phần tử sinh c-, c+ Điều kiện 2) xác định ngữ nghĩa của từ hjx (hj ∈H) thông qua giá trị ngữ nghĩa của từ x và hàm độ đo tính mờ fm

Mệnh đề 2.3 Với mọi phần tử x∈Dom(X) ta có 0 ≤ v(x) ≤ 1

Các thông tin dự báo về mật độ phương tiện giao thông thường ở dạng ngôn ngữ tự nhiên phi số (như là “Low”, “Very low”, “High”, ), vì việc xác định mật độ tham gia giao thông chính xác là rất khó, do các phương tiện tham gia giao thông rất phức tạp Để các hệ thống tính toán có thể sử dụng các thông tin này chúng ta cần phải chuyển nó về dạng số

Trong trường hợp này đại số gia tử là một công cụ hữu hiệu để thực hiện việc này Phương pháp điều khiển này sử dụng Đại số gia tử để định lượng thông tin ngôn ngữ, đó là những lời dự báo về mật độ phương tiện đến nút, nó là một thành phần tác động đến quyết định điều khiển

Kết luận: Trong chương này, người nghiên cứu đã đưa ra lý thuyết của các cơ

sở luận như: tập mờ, biến ngôn ngữ, đại số gia tử, … làm cơ sở luận cho thuật toán tối ưu dòng xe của đề tài

Chương 3: PHƯƠNG PHÁP ĐIỀU KHIỂN ĐÈN TÍN HIỆU DỰA VÀO MẬT ĐỘ CỦA ĐƯỜNG TRONG NÚT VÀ MẬT ĐỘ CỦA NÚT TIẾP THEO

3.1 Các pha đèn tín hiệu trong một nút giao thông

Xét một giao lộ với các nhánh J được điều khiển bởi tín hiệu giao thông theo chu kỳ cố định Chúng ta sẽ có định nghĩa một pha đèn[16] là một chuỗi các điều kiện được áp dụng cho một hoặc nhiều luồng, trong chu kỳ, nhận được các chỉ dẫn tín hiệu giống hệt nhau Có thể nói rằng một pha là một phần của chu trình trong đó một hoặc nhiều luồng được chỉ định đạt được đồng thời theo đúng hướng

Do đó, một giai đoạn xanh của một giai đoạn có thể bao gồm nhiều giai đoạn liên tiếp Chúng ta giả sử tín hiệu giao thông có N pha Nếu một luồng trên một hoặc nhiều làn đường đi đúng hướng trong giai đoạn xanh của pha thứ n (n = 1, 2, …, N), thì luồng đó được cho là thuộc pha thứ n Đặt Mn là các luồng thuộc về pha thứ n Luồng thứ m thuộc pha thứ n được gọi là luồng (n, m) (n = I, 2, , N, m = 1, 2, ,

Mn) và các phương tiện tạo ra nó được gọi ngắn gọn (n, m) phương tiện (n = 1, 2, ,

N, m = 1, 2, , Mn)

Đèn giao thông xen kẽ bên phải dành cho người dùng bằng cách chiếu sáng đèn hoặc đèn LED có màu tiêu chuẩn gồm đỏ, hổ phách(vàng) và xanh lục theo mã màu phổ quát Trong chuỗi các pha màu điển hình:

Đèn xanh cho phép giao thông đi theo hướng được biểu thị, nếu an toàn để làm như vậy và có chỗ ở phía bên kia của giao lộ

Đèn màu hổ phách cảnh báo rằng tín hiệu sắp chuyển sang màu đỏ Ở một số quốc gia châu Âu, trong đó có Vương quốc Anh có một giai đoạn trong đó màu đỏ

và màu vàng được hiển thị cùng nhau cho thấy tín hiệu sắp chuyển sang màu xanh lục Các hành động được yêu cầu bởi các tài xế trên đèn vàng khác nhau, với một số khu vực pháp lý yêu cầu các tài xế dừng lại nếu an toàn để làm như vậy và các hành động khác cho phép các tài xế đi qua giao lộ nếu an toàn để làm như vậy

Một dấu hiệu hổ phách nhấp nháy là một tín hiệu cảnh báo Ở Vương quốc Anh, đèn màu hổ phách nhấp nháy chỉ được sử dụng tại các điểm giao cắt giao lộ, thay cho tín hiệu hổ phách đỏ kết hợp và chỉ ra rằng các tài xế có thể đi qua nếu không có người đi bộ đang băng qua trong đó

• Tín hiệu màu đỏ cấm mọi phương tiện, người tham gia lưu thông

• Dấu hiệu màu đỏ nhấp nháy yêu cầu giao thông dừng lại và sau đó tiến hành khi an toàn (tương đương với dấu hiệu dừng)

Ở một số quốc gia, tín hiệu giao thông sẽ chuyển sang chế độ nhấp nháy nếu trình giám sát xung đột phát hiện sự cố, chẳng hạn như lỗi cố gắng hiển thị đèn xanh cho giao thông xung đột Tín hiệu có thể hiển thị nhấp nháy màu vàng sang đường chính và nhấp nháy màu đỏ sang đường bên hoặc nhấp nháy màu đỏ ở mọi hướng Hoạt động nhấp nháy cũng có thể được sử dụng vào thời gian trong ngày khi giao thông sáng, chẳng hạn như vào đêm khuya

Hình 3.1: Các pha đèn của một ngã tư (nguồn:

https://www.researchgate.net/publication/285707259/figure/fig1/AS:324497975595 021@1454377754351/Intersection-with-four-approaches-and-two-phase-

signal.png)

Một luồng được gọi là ưu tiên hàng đầu trong giai đoạn mà nó có quyền ưu tiên, nếu nó không bị cản trở bởi các luồng trong cùng giai đoạn Luồng được gọi là

thứ nhất cũng không bị cản trở bởi các luồng khác có quyền ưu tiên trong cùng giai đoạn và không thuộc quyền ưu tiên ưu tiên hàng đầu

Tương tự, một luồng ưu tiên thứ i (i = 3, 4, ) cũng được xác định theo quy tắc đó Nó được giả định trong báo cáo này rằng các phương tiện đi ở làn đường bên phải Do đó, trong trường hợp các giao lộ ngã tư thông thường, một luồng đi thẳng

về phía trước là ưu tiên hàng đầu và một luồng rẽ phải là ưu tiên thứ hai

Khi một luồng là một bộ vài làn đường, một phương tiện đến thuộc luồng sẽ tham gia hàng đợi có độ dài tối thiểu trong số một số hàng đợi của luồng Do đó, để

có được một tiêu chí cho sự không bão hòa của giao lộ, nó đủ để xử lý một hàng đợi nhất định trên một làn ngay cả khi luồng là nhiều làn

Để một số phương tiện ưu tiên thứ i (i = 2, 3, ) chờ trong hàng đợi ở cuối giai đoạn đỏ Khi tín hiệu chuyển sang màu xanh lá cây, đầu của hàng đợi di chuyển

và đạt đến vị trí để vượt qua các luồng ưu tiên cao hơn Lần này từ đầu giai đoạn xanh được gọi là độ trễ bắt đầu cho luồng ưu tiên thứ i

Nếu bất kỳ phương tiện nào có mức độ ưu tiên cao hơn đi vào giao lộ, phương tiện tại vị trí cần băng qua không thể di chuyển cho đến khi phương tiện đó đi qua Tổng các khoảng thời gian bị chặn này trong khoảng thời gian màu lục và màu vàng được gọi là khối cho luồng Độ trễ bắt đầu và khối được gọi chung là thời gian bị mất khi bắt đầu và kết thúc luồng

Nếu không có phương tiện nào có mức độ ưu tiên cao hơn đi vào giao lộ, các phương tiện trong hàng đợi sẽ băng qua làn đường của mức độ ưu tiên cao hơn khi

đi qua phần giao nhau Để một hàng dài vẫn còn ở cuối thời kỳ xanh do một dòng

xe dài hoặc một thời gian dài bị mất Khoảng thời gian giữa cuối thời kỳ xanh và thời điểm mà hàng đợi được giữ trong giao lộ đã đi qua các làn đường có mức độ

ưu tiên cao được gọi là khoảng thời gian ưu tiên cho luồng ưu tiên thứ i Thời kỳ này được coi là hiệu quả của đèn xanh Do đó, đối với luồng, thời gian xanh hiệu quả được xác định là tổng của thời kỳ xanh và thời gian giải phóng mặt bằng ít hơn thời gian bị mất

Mặt khác, đối với luồng ưu tiên thứ nhất, thời gian bị mất giảm xuống độ trễ bắt đầu, nghĩa là độ trễ tăng tốc để chuyển toàn bộ hàng đợi thành chuyển động, vì khối biến mất Ngoài ra, khoảng thời gian giải phóng mặt bằng tương ứng với khoảng thời gian giữa cuối thời gian xanh và thời điểm chiếc xe cuối cùng không dừng lại để tín hiệu màu vàng vượt qua vạch dừng Do đó, giai đoạn xanh hiệu quả cho luồng ưu tiên đầu tiên trở thành tổng của giai đoạn xanh và thời gian giải phóng mặt bằng ít hơn độ trễ bắt đầu

3.2 Vấn đề của đèn giao thông hiện tại

Kể từ khi John Peake Knight[17] lắp đặt đèn giao thông đầu tiên trên thế giới

ở London năm 1868, đến nay ứng dụng này đã trở nên phổ biến rộng rãi trên tất cả các châu lục đến nỗi đèn giao thông có thể được tìm thấy tại các nút giao đường bộ trên toàn thế giới

Thời gian tín hiệu giao thông đóng một vai trò quan trọng trong việc quản lý giao thông đô thị ở các khu vực đông dân cư Nó mang đến khả năng ngăn ngừa tai nạn giao thông và cải thiện khả năng di chuyển của mạng lưới giao thông bằng cách phân bổ theo nhiều cách khác nhau

Theo lí thuyết việc lắp đặt đèn giao thông là để điều phối các luồng phương tiện tại các nút giao thông nhằm ngăn ngừa tai nạn hoặc sự hỗn loạn của các dòng giao thông qua nút hoặc sử dụng để điều tiết lưu lượng giao thông trên các tuyến kết nối với các nút

Việc thiết kế các tham số thời gian tín hiệu giao thông, như tỷ lệ thời gian xanh, có thể ảnh hưởng đáng kể đến hiệu quả hoạt động và an toàn của các giao lộ và tổng lượng phát thải giao thông trong mạng Do đó, điều quan trọng là cơ quan có thẩm quyền phải thiết kế các thông số định thời tín hiệu giao thông một cách cẩn thận

để tạo ra một hệ thống giao thông đô thị an toàn, hiệu quả và bền vững, đặc biệt là trong thời đại biến đổi khí hậu

Đèn giao thông tĩnh thường không có tính mềm dẻo, luôn rập khuôn, điều đó dẫn tới những khi làn xe không có hoặc có rất ít nhưng đèn vẫn được mở, trong khi

3.3 Phần mềm mô phỏng hoạt động của phương tiện giao thông (SUMO)

Để đánh giá độ hiệu quả, luận văn sẽ sử dụng hệ thống SUMO (Simulation of Urban Mobility) [18] Đây là một hệ thống mã nguồn mở, cho phép thiết lập cơ sở hạ tầng giao thông cũng như cấu hình mô phỏng bằng đồ họa luồng giao thông nhằm kiểm tra cho các thuật toán và những mô hình nghiên cứu giao thông

SUMO là một mô phỏng giao thông đường bộ vi mô, đa phương thức, liên tục không gian và thời gian rời rạc Đây là phần mềm nguồn mở được cấp phép theo GNU GPL (giấy phép công cộng chung), chủ yếu được phát triển bởi trung tâm hàng không vũ trụ Đức (DLR) Sự phát triển của công cụ mô phỏng này bắt đầu từ năm

2000 với ý tưởng tính di động và khả năng mở rộng là tiêu chí thiết kế chính Hơn nữa, nhu cầu xử lý các mạng lưới đường lớn đòi hỏi phải tính đến tốc độ thực hiện và dấu chân bộ nhớ như hướng dẫn thêm

Hình 3.2: Tình trạng đường trống (nguồn:

https://c8.alamy.com/comp/EN2P9M/rush-hour-traffic-and-cars-at-a-busy-road-junction-kuala-lumpur-malaysia-EN2P9M.jpg)

Để xây dựng một mạng lưới giao thông trong SUMO thì các nodes và edges

là các yếu tố cần thiết Các junctions để kết nối các nodes tạo thành các edges cũng góp phần quan trọng, ngồi ra còn có các tính năng khác như đèn giao thông, số làn xe,… Mạng SUMO chứa các thông tin liên quan đến lưu lượng truy cập như sau:

- Mỗi edge sẽ là một tập hợp các làn đường

- Vị trí, hình dạng và tốc độ trên mỗi làn

- Quy định hướng di chuyển

- Các kết nối giữa các làn tại các nút giao

- Vị trí và tính hợp lý của đèn giao thông

Việc mô phỏng là đa phương thức, điều đó có nghĩa là không chỉ các xe hơi trong thành phố được mô phỏng mà cả các hệ thống giao thông công cộng trên mạng lưới đường phố, bao gồm các mạng lưới xe,

Lưu lượng giao thông được mô phỏng theo đơn vị nhỏ nhất, nghĩa là, mọi phương tiện di chuyển trong mạng mô phỏng được mô hình riêng lẻ và có một vị trí

và tốc độ nhất định Trong mỗi bước có thời lượng 1 giây, các giá trị này được cập nhật tùy thuộc vào phương tiện phía trước và mạng lưới đường phố mà phương tiện đang di chuyển Việc mô phỏng các phương tiện đường phố là thời gian rời rạc và không gian liên tục

Hệ thống đường trong luận văn được thiết kế với chiều dài cho mỗi con đường

là 750m Mỗi con đường gồm có 2 chiều ngược nhau với mỗi chiều gồm 4 làn xe Làn đường di chuyển cho chiều thuận của các phương tiện là phần đường bên phải Tốc độ cho phép khi di chuyển trên mỗi làn đường là 50km/h

Trong mỗi bước thực hiện của SUMO, tốc độ của xe được điều chỉnh phù hợp với tốc độ của xe dẫn đầu theo cách mang lại hành vi hệ thống không va chạm trong các bước mô phỏng sau Tốc độ mong muốn được tính là tốc độ tối đa có thể của xe, tốc độ của xe cộng với gia tốc tối đa với vận tốc an toàn do đó một chiếc xe sẽ không điều khiển được tốc độ cao hay tốc độ nhanh hơn khả năng của nó

Phương tiện trong hệ thống mô phỏng được thiết kế với chiều dài thân xe đạt

Tốc độ tối đa của phương tiện đạt được là 90km/h Khả năng tăng tốc của phương tiện hay còn gọi là gia tốc là 1m/s2 Khả năng hãm tốc hay còn gọi là gia tốc âm của các phương tiện là 4.5m/s2

Đèn giao thông đóng một vai trò quan trọng trong quản lý giao thông vì chúng cải thiện lưu lượng giao thông Ngoài các quy tắc bên phải đơn giản vì một số nút giao thông cho phép rẽ phải khi đèn đỏ, mỗi ngã ba mô phỏng cũng có thể là một ngã

ba với đèn giao thông Hệ thống đèn giao thông trong hệ thống mô phỏng này sẽ được điều khiển thông qua bộ điều khiển mờ nhằm thực hiện các thao tác tăng, giảm thời gian của mỗi cột đèn

Kịch bản mô phỏng cho SUMO phải được xác định thông qua mạng lưới đường bộ và nhu cầu giao thông Mạng lưới đường có thể được xác định bằng tay bằng cách tạo các tệp XML mô tả mạng hoặc bằng cách nhập mạng từ các định dạng khác như: OpenStreetMap, PTV VISUM và VISSIM, OpenDRIVE, MATsim, ArcView, … để tạo các mạng ngẫu nhiên theo một số quy tắc (mạng ngẫu nhiên, mạng nhện và mạng lưới)

Để có thể điều chỉnh sửa các thông tin của hệ thống giao thông trong SUMO

dễ dàng hơn thì NetEdit đã được tích hợp sẵn khi cài đặt, ta sẽ sử dụng để thiết kế các thành phần tĩnh của giao lộ, chẳng hạn như đặc điểm đường, phân bố đèn giao thông

và các kết nối làn đường qua giao lộ

Nhu cầu lưu lượng có thể được xác định theo một số cách khác nhau tùy thuộc vào dữ liệu đầu vào có sẵn: định nghĩa chuyến đi, định nghĩa luồng, ngẫu nhiên, ma trận bắt đầu và kết thúc (định dạng VISUM / VISION / VISSIM), … SUMO hỗ trợ các loại phương tiện khác nhau như xe máy, xe tải, xe buýt, xe đạp hoặc đường sắt Người đi bộ cũng được hỗ trợ trong chương trình giả lập này Một số công cụ hữu ích được cung cấp cho mô hình hóa nhu cầu giao thông như: ActivityGen cho phép tạo

ra nhu cầu lưu lượng truy cập từ mô tả dữ liệu dân số trong mạng thông qua một số tham số, chẳng hạn như khung tuổi dân số, vị trí trường học, tuyến xe buýt hoặc giờ làm việc Trong mô phỏng, các chuyển động của xe dựa trên các mô hình dọc và

ngang Cả hai mô hình có thể được chọn cho từng loại xe trong số một số loại đã được triển khai trong SUMO

Ngoài ra SUMO cung cấp API gọi là TraCI [19] để có thể giao tiếp với bên ngoài hệ thống TraCI sử dụng giao thức TCP dựa trên kiến trúc Client-Server để kết nối với bên ngoài trong quá trình mô phỏng Khi đó, TraCI đóng vai trò tương tác với

mô phỏng trong thời gian chạy để lấy trạng thái của giao lộ tại mỗi dấu thời gian và sau đó đặt hành động được chọn bởi các tác nhân

Cuối cùng, công cụ SUMO-GUI cho phép người dùng trải nghiệm minh hoạ thực tế của một mô phỏng với khả năng làm chậm hoặc tăng tốc độ mô phỏng Công

cụ này đã được sử dụng để kiểm tra hiệu suất của các tác nhân trong đó mỗi step của sumo tương ứng với 1s

3.4 Phần mềm hỗ trợ tính toán MATLAB

MATLAB® là một nền tảng lập trình được thiết kế dành riêng cho các kỹ sư

và nhà khoa học Trọng tâm của MATLAB là ngôn ngữ MATLAB, ngôn ngữ dựa trên ma trận cho phép biểu hiện tự nhiên nhất của toán học tính toán

Một số công dụng chính của MATLAB:

MATLAB là một hệ thống tương tác có thành phần dữ liệu cơ bản là một mảng không yêu cầu kích thước Điều này cho phép bạn giải quyết nhiều vấn đề máy tính

kỹ thuật, đặc biệt là những vấn đề có công thức ma trận và vectơ, trong một phần nhỏ thời gian cần thiết để viết chương trình bằng ngôn ngữ không tương tác vô hướng

Fuzzy Logic Toolbox cung cấp các chức năng, ứng dụng MATLAB và khối Simulink để phân tích, thiết kế và mô phỏng các hệ thống dựa trên logic mờ Sản phẩm hướng dẫn bạn qua các bước thiết kế hệ thống suy luận mờ Các chức năng được cung cấp cho nhiều phương pháp phổ biến, bao gồm phân cụm mờ và học tập thần kinh thích nghi

Toolbox cho phép bạn mô hình hóa các hành vi hệ thống phức tạp bằng cách

sử dụng các quy tắc logic đơn giản và sau đó thực hiện các quy tắc này trong một hệ thống suy luận mờ Bạn có thể sử dụng nó như một công cụ suy luận mờ độc lập Ngoài ra, bạn có thể sử dụng các khối suy luận mờ trong Simulink và mô phỏng các

hệ thống mờ trong một mô hình toàn diện của toàn bộ hệ thống động

Ngoài ra, fuzzy logic toolbox còn cho phép triển khai một hệ thống suy luận

mờ bằng cách tạo mã C trong Simulink hoặc MATLAB Ta cũng có thể tạo văn bản

có cấu trúc cho một hệ thống suy luận mờ được triển khai trong Simulink bằng cách

sử dụng khối bộ điều khiển logic mờ Người dùng có thể tạo mã C chính xác đơn để giảm dung lượng bộ nhớ của hệ thống hoặc có thể tạo mã điểm cố định nếu nền tảng đích của bạn chỉ hỗ trợ số học điểm cố định

Trong luận văn sử dụng SUMO để thực hiện việc chạy mô phỏng các phương tiện trong hệ thống hạ tầng giao thông theo thời gian thực, hệ thống đèn giao thông được chạy tự động

Trong khi đó hệ thống điều khiển mờ được cài đặt trong MATLAB thông qua công cụ fuzzy toolbox Nhiệm vụ của hệ thống điều khiển mờ là dựa theo các thông tin có được từ môi trường, thực hiện xử lý, tính toán, sau đó đưa các số liệu đã được

xử lý vào bộ điều khiển mờ Bộ điều khiển mờ sẽ thực hiện các bước mờ hoá, tính toán, giải mờ và ta thu được kết quả là thời gian điều khiển đèn giao thông

Để có thể thực hiện giao tiếp giữa SUMO và MATLAB cần phải có một phần

tử đứng giữa, đảm bảo việc có thể gửi và nhận dữ liệu, cũng như là việc gửi lệnh điều khiển, các thông số của môi trường mô phỏng Luận văn sẽ sử dụng TraCI4Matlab[20] nhằm làm trung gian cho việc này TraCI4Matlab là một API được