Luận văn: Tối ưu dòng xe qua đèn giao thông thông minh - ĐH SPKT TP.HCM

Luận văn thạc sĩ nghiên cứu phát triển thuật toán tối ưu dòng xe di chuyển, ứng dụng hệ thống đèn giao thông thông minh giúp giảm ùn tắc đô thị hiệu quả.

• Tác giả: Bùi Nguyễn Chí Đạt
• Người hướng dẫn: TS. Nguyễn Văn Thái
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phát triển thuật toán tối ưu dòng xe di chuyển trên đường dựa trên hệ thống đèn giao thông thông minh
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan về thuật toán tối ưu dòng xe giao thông

Thuật toán tối ưu dòng xe di chuyển dựa trên hệ thống đèn giao thông thông minh là giải pháp công nghệ nhằm giải quyết tình trạng ùn tắc giao thông đô thị. Hệ thống kết hợp cảm biến, trí tuệ nhân tạo và học máy để điều chỉnh thời gian tín hiệu đèn theo thời gian thực. Mục tiêu chính là giảm thiểu thời gian chờ đợi, tiết kiệm nhiên liệu và giảm khí thải. Nghiên cứu này được thực hiện thông qua phần mềm mô phỏng SUMO kết hợp với MATLAB, sử dụng logic mờ để xử lý dữ liệu mật độ giao thông. Phương pháp này phù hợp với nhu cầu phát triển hệ thống giao thông thông minh (ITS) tại các thành phố lớn.

1.1. Hệ thống đèn giao thông thông minh

Hệ thống đèn giao thông thông minh sử dụng cảm biến IoT để thu thập dữ liệu mật độ phương tiện theo thời gian thực. Dữ liệu được xử lý bằng thuật toán học máy để dự đoán lưu lượng giao thông trong tương lai gần. Hệ thống có khả năng tự điều chỉnh chu kỳ tín hiệu dựa trên mật độ thực tế, thay vì sử dụng chế độ cố định như hệ thống truyền thống. Điều này giúp tối ưu hóa lưu lượng xe, giảm thiểu ùn tắc cục bộ và cải thiện trải nghiệm người tham gia giao thông.

1.2. Vai trò của thuật toán tối ưu

Thuật toán tối ưu đóng vai trò trung tâm trong hệ thống, sử dụng các phương pháp như tối ưu đa mục tiêu (mô hình hóa mật độ, tốc độ trung bình, thời gian chờ). Thuật toán được huấn luyện trên dữ liệu lịch sử và điều chỉnh theo thời gian thực để phản ứng linh hoạt với biến động giao thông. Kết quả là hệ thống có thể phân bổ thời gian đèn xanh hợp lý cho từng làn đường, giảm thiểu xung đột giao thông và cải thiện hiệu suất tổng thể.

II. Thách thức trong quản lý dòng xe giao thông đô thị

Quản lý dòng xe giao thông đô thị đối mặt với nhiều thách thức do sự gia tăng phương tiện và hạ tầng chưa đáp ứng kịp. Hệ thống đèn giao thông truyền thống gây lãng phí thời gian do không thích ứng với lưu lượng biến động. Tắc nghẽn giao thông dẫn đến ô nhiễm môi trường, tiêu tốn nhiên liệu và giảm năng suất. Tại Việt Nam, tình trạng này càng nghiêm trọng do hạ tầng giao thông chưa đồng bộ. Nghiên cứu chỉ ra rằng 70% thời gian chờ đợi tại ngã tư là do hệ thống điều khiển không linh hoạt, gây lãng phí tài nguyên và tăng khí thải CO2.

2.1. Tắc nghẽn giao thông và nguyên nhân

Tắc nghẽn giao thông xuất phát từ nhiều nguyên nhân như mật độ phương tiện cao, hạ tầng giao thông không đồng bộ, và thiếu hệ thống điều khiển thông minh. Đèn giao thông tĩnh không thể phản ứng linh hoạt với biến động lưu lượng, dẫn đến tình trạng ùn ứ không cần thiết. Tại các thành phố lớn như TP. Hồ Chí Minh, tình trạng này càng trở nên nghiêm trọng do tốc độ đô thị hóa nhanh chóng.

2.2. Hạn chế của hệ thống điều khiển truyền thống

Hệ thống điều khiển truyền thống sử dụng chu kỳ tín hiệu cố định, không thể thích ứng với biến động lưu lượng theo thời gian thực. Điều này dẫn đến tình trạng làn đường trống vẫn phải chờ đèn xanh trong khi làn đường kia ùn tắc. Ngoài ra, hệ thống không tích hợp dữ liệu từ cảm biến, dẫn đến quyết định điều khiển thiếu chính xác. Việc thiếu linh hoạt trong điều khiển gây lãng phí tài nguyên và tăng nguy cơ tai nạn giao thông.

III. Giải pháp thuật toán tối ưu dòng xe di chuyển

Giải pháp đề xuất sử dụng thuật toán tối ưu dựa trên logic mờ kết hợp với mô phỏng SUMO. Thuật toán xử lý dữ liệu mật độ giao thông theo thời gian thực, dự đoán lưu lượng và điều chỉnh chu kỳ tín hiệu linh hoạt. Hệ thống được huấn luyện trên dữ liệu lịch sử và điều chỉnh theo điều kiện giao thông thực tế. Kết quả mô phỏng cho thấy khả năng giảm 30% thời gian chờ đợi và 20% tiêu thụ nhiên liệu. Phương pháp này phù hợp với điều kiện giao thông đô thị tại Việt Nam.

3.1. Mô hình logic mờ trong điều khiển giao thông

Logic mờ cho phép xử lý dữ liệu không chắc chắn bằng cách gán giá trị xác suất trong khoảng [0,1]. Trong điều khiển giao thông, logic mờ đánh giá mức độ mật độ phương tiện (thấp, trung bình, cao) và điều chỉnh thời gian tín hiệu tương ứng. Ví dụ, mật độ thấp có thể nhận giá trị 0.3, mật độ cao nhận giá trị 0.9. Hệ thống sử dụng các hàm thuộc (membership functions) để chuyển đổi dữ liệu thô thành đầu vào cho bộ điều khiển.

3.2. Tích hợp SUMO MATLAB trong nghiên cứu

SUMO (Simulation of Urban MObility) là phần mềm mã nguồn mở mô phỏng giao thông vi mô, hỗ trợ cấu hình hạ tầng giao thông và luồng phương tiện. MATLAB được sử dụng để xử lý dữ liệu từ SUMO, huấn luyện thuật toán tối ưu và điều chỉnh tham số. Quá trình tích hợp bao gồm trao đổi dữ liệu qua giao diện TraCI, cho phép điều khiển thời gian thực. Kết quả mô phỏng được đánh giá thông qua các chỉ số như thời gian chờ đợi, tốc độ trung bình và mức tiêu thụ nhiên liệu.

IV. Kết quả ứng dụng và triển vọng phát triển

Nghiên cứu đã chứng minh hiệu quả của thuật toán tối ưu dòng xe dựa trên hệ thống đèn giao thông thông minh. Kết quả mô phỏng cho thấy giảm 30% thời gian chờ đợi và 20% tiêu thụ nhiên liệu so với hệ thống truyền thống. Thuật toán có khả năng thích ứng linh hoạt với biến động lưu lượng, cải thiện trải nghiệm người tham gia giao thông. Triển vọng ứng dụng rộng rãi tại các thành phố lớn, góp phần xây dựng hệ thống giao thông thông minh bền vững.

4.1. Kết quả mô phỏng và đánh giá

Mô phỏng trên SUMO kết hợp MATLAB cho thấy thuật toán tối ưu giảm đáng kể thời gian chờ đợi tại ngã tư. Chỉ số hiệu suất bao gồm thời gian trung bình mỗi xe, tốc độ trung bình và mức tiêu thụ nhiên liệu. Kết quả cho thấy hệ thống hoạt động hiệu quả trong điều kiện lưu lượng biến động, đáp ứng nhu cầu giao thông đô thị.

4.2. Hướng phát triển tương lai

Hướng phát triển bao gồm tích hợp dữ liệu thời tiết, sự kiện đặc biệt và phương tiện ưu tiên. Nghiên cứu có thể mở rộng sang hệ thống điều khiển đa chế độ, kết hợp học sâu (deep learning) để dự đoán lưu lượng chính xác hơn. Ngoài ra, việc triển khai thử nghiệm trên thực tế sẽ đánh giá tính khả thi và hiệu quả kinh tế của hệ thống.

Trích đoạn nội dung tài liệu

đặt vấn đề dẫn nhập lý do chọn đề tài, công trình liên quan, mục tiêu nghiên cứu, nội dung nghiên cứu, phương pháp nghiên cứu, các giới hạn đề tài và bố cục đề tài. 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.

4 Chương 2: Cơ sở lý thuyết Chương 2: CƠ SỞ LÝ THUYẾT 2. Lý thuyết tập mờ 2. 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].

5 Chương 2: Cơ sở lý thuyết 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 của U ký hiệu là P(U) và nó trở thành một đại số tập hợp với các phép tính hợp ∪, giao quan đến các tập hợp. Giả sử cho một tập vũ trụ U, khi đó ta có tập tất cả các tập con ∩, 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: 0 khi ∉= A 1 khi x ∈= A ()=( ! (1) Hình 2.1: Logic thông thường (nguồn: http://media.com/2016/04/fuzzy_logic_example.png) Khi đó ta có λA là hàm đặc trưng của tập A, giá trị chân lý của !( ) chỉ nhận một trong hai giá trị 1 và 0. niệm về tập hợp: x ∈ A khi và chỉ khi λ A(x) = 1, hay x thuộc vào tập A với “độ thuộc vào” bằng 1. Như vậy ta có Ta có thể thấy λA và A là hai đối tượng toán học hoàn toàn khác nhau, nhưng chúng đều biểu diễn cùng một khái thể nói tập hợp A có thể được biểu thị bằng một hàm mà giá trị của nó là độ 6 Chương 2: Cơ sở lý thuyết 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%. Tập mờ[8] là tập hợp có mức độ phần tử từ 1 đến 0.

Ví dụ: Mật độ số lượng ô tô theo tín hiệu giao thông tại một thời điểm cụ thể có mặt trên đường sẽ có giá trị trong khoảng [0,100]. Các phần tử mờ là một tồn tại khi phần tử của một tập mờ cũng có thể là một phần của các tập mờ khác trong cùng tập vũ trụ. Mức độ thành viên hoặc sự thật không giống như xác suất, sự thật mờ nhạt đại diện cho tư cách thành viên trong các tập xác định mơ hồ. 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 A trẻ những người được xem là trẻ.

Vậy, một câu hỏi là “Một người x có tuổi là n được hiểu là thuộc tập A trẻ như thế nào?” Chúng ta có thể thấy rõ ràng là khái niệm trẻ là một khái 7 Chương 2: Cơ sở lý thuyết 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 A Rất 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.2: Ví dụ về tập mờ (nguồn: https://www.in/eeold/archive/courses/2013/intel-info/d1pdf3.pdf) 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 8 Chương 2: Cơ sở lý thuyết 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.

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.