Автоматика та інформаційно-вимірювальна техніка

АДАПТИВНЕ КЕРУВАННЯ СВІТЛОФОРНИМИ ОБ’ЄКТАМИ НА ОСНОВІ НЕЧІТКОЇ ЛОГІКИ З УРАХУВАННЯМ ПРІОРИТЕТУ ГРОМАДСЬКОГО ТРАНСПОРТУ

Автор(и)

В. О. Гандрибіда
Вінницький національний технічний університет ROR
В. М. Севастьянов
Вінницький національний технічний університет ROR
DOI https://doi.org/10.31649/1997-9266-2025-182-5-8-16

Ключові слова

нечітка логіка світлофорне керування пріоритет громадського транспорту мультиагентна система адаптивний регулятор індекс пріоритету V2I-комунікація

Анотація

Адаптивне керування світлофорними об’єктами з урахуванням пріоритету громадського транспорту потребує поєднання технологічної гнучкості та соціальної чутливості. У статті проаналізовано можливості застосування нечіткої логіки як основи для побудови регуляторів, здатних реагувати на зміни трафіку без жорстких меж і фіксованих правил. Керування з використанням нечітких правил дозволяє враховувати запізнення транспорту, щільність потоків, пасажиромісткість, а також мінімізувати затримки без порушення загального балансу. Окрему увагу приділено мультиагентному підходу, у якому кожне перехрестя виступає як самостійна керувальна одиниця, здатна ухвалювати рішення на основі локальних даних і взаємодії з сусідніми вузлами. Така архітектура дозволяє створювати адаптивну мережу керування, де пріоритет для громадського транспорту забезпечується не епізодично, а системно — вздовж усього маршруту. Розглянуто гібридні моделі, у яких нечітка логіка поєднується з елементами навчання з підкріпленням та інфраструктурною комунікацією (V2I). Продемонстровано ефективність підходу у скороченні часу затримки для транспорту на 12…18 % порівняно з неадаптивними методами. Описано формулу індексу пріоритету, що дозволяє інтегрувати фактори запізнення та ваги транспортного засобу. Здійснено порівняння з іншими моделями, зокрема типу 2 та навчанням на основі GPS-даних. Зроблено висновок про придатність запропонованого підходу до впровадження як на окремих перехрестях, так і в масштабі міської мережі. У перспективі розглядається симуляційне тестування, масштабування на мультиагентну архітектуру та інтеграція з безбар’єрними вимогами і нейромережами. Запропонована модель не лише підвищує транспортну ефективність, а й сприяє формуванню соціально орієнтованої інфраструктури, чутливої до потреб пасажирів.

220 149

Як цитувати

[1]
«АДАПТИВНЕ КЕРУВАННЯ СВІТЛОФОРНИМИ ОБ’ЄКТАМИ НА ОСНОВІ НЕЧІТКОЇ ЛОГІКИ З УРАХУВАННЯМ ПРІОРИТЕТУ ГРОМАДСЬКОГО ТРАНСПОРТУ», Вісник ВПІ, вип. 5, с. 8–16, Жов 2025, doi: 10.31649/1997-9266-2025-182-5-8-16.

Біографії авторів

автор В. О. Гандрибіда, афіліація Вінницький національний технічний університет

аспірант кафедри автоматики та інтелектуальних інформаційних технологій

автор В. М. Севастьянов, афіліація Вінницький національний технічний університет

канд. техн. наук, доцент кафедри автоматики та інтелектуальних інформаційних технологій

Посилання

M. Koukol, I. L. Zajíčková, L. Marek, and P. Tuček, “Fuzzy logic in traffic engineering: A review on signal control,” Advances in Electrical and Electronic Engineering, vol. 13, no. 5, pp. 493-501, 2015. https://doi.org/10.15598/aeee.v13i5.1457 .
S. Araghi, A. Khosravi, and D. Creighton, “A review on computational intelligence methods for controlling traffic signal timing,” Expert Systems with Applications, vol. 42, no. 3, pp. 1538-1550, 2015. https://doi.org/10.1016/j.eswa.2014.09.010 .
N. B. T. Nguyen, T. M. Hoang, and D. Q. Pham, “Intelligent traffic signal control using deep reinforcement learning with fuzzy logic integration,” Procedia Computer Science, vol. 218, pp. 1545-1552, 2023. https://doi.org/10.1016/j.procs.2023.01.320 .
Ν. Liu, Y. Chen, and Z. Li, “Adaptive traffic signal control using fuzzy logic and V2I communication,” IEEE Transactions on Intelligent Transportation Systems, vol. 23, no. 4, pp. 3457-3469, 2022. https://doi.org/10.1109/TITS.2021.3102950 .
Y. Zhang, D. Liu, and Ν. Wang, “Multi-agent traffic signal control based on fuzzy logic and reinforcement learning,” Sensors, vol. 20, no. 8, article 2233, 2020. https://doi.org/10.3390/s20082233 .
Yu. M. Shmelov, “Zastosuvannia intelektualnykh system na transporti,” (Application of intelligent systems in transport), Transportni systemy i tekhnolohii perevezen, no. 30, pp. 112-117, 2017.
V. V. Tatarinov, Suchasni intelektualni tekhnolohii v systemakh upravlinnia (Modern Intelligent Technologies in Control Systems). Kyiv, Ukraine: Naukova dumka, 2013.
H. Wei, G. Zheng, H. Yao, and Z. Li, “IntelliLight: A reinforcement learning approach for intelligent traffic light control,” in Proc. 24th ACM SIGKDD Int. Conf. on Knowledge Discovery & Data Mining, 2018, pp. 2496-2505. https://doi.org/10.1145/3219819.3220104 .