RU2151424C1 - Device for controlling light signal object using computer with neural network software - Google Patents
Device for controlling light signal object using computer with neural network software Download PDFInfo
- Publication number
- RU2151424C1 RU2151424C1 RU98124018A RU98124018A RU2151424C1 RU 2151424 C1 RU2151424 C1 RU 2151424C1 RU 98124018 A RU98124018 A RU 98124018A RU 98124018 A RU98124018 A RU 98124018A RU 2151424 C1 RU2151424 C1 RU 2151424C1
- Authority
- RU
- Russia
- Prior art keywords
- computer
- traffic
- controller
- information
- traffic light
- Prior art date
Links
Images
Abstract
Description
Устройство управления светофорным объектом относится к автоматическому координированному управлению дорожным движением, управлением транспортными потоками на светофорном объекте с помощью нейронных сетей. A traffic light control device relates to automatic coordinated traffic control, traffic control at a traffic light object using neural networks.
Известен способ управления движением транспортных средств на перекрестке. Устройство, реализующее данный способ, содержит коммутатор 1, блок управления, блок определения времени ожидания, блок (формирования сигнала переключения (фазы, вычислительный блок, элементы ИЛИ 6.1-6.N, N - число фаз управления светофорной сигнализацией, генератор, триггеры 8.1-8., элементы И, счетчики, коммутаторы 16.1-16.N, элементы И 17.1-17 Nxn, счетчики 18.1-18. N, элементы И 19.1-19N, триггеры 20.1-20.N, элементы И 21-21.N, коммутаторы 22.1-22. N, элементы И 23.1-23.Nxn, счетчики 24.1-24.N, коммутаторы 25.1-25.N, элементы ИЛИ 28.1-28.N, элемент ИЛИ [1]. A known method of controlling the movement of vehicles at an intersection. A device that implements this method includes a switch 1, a control unit, a waiting time determination unit, a block (generating a switching signal (phases, a computing unit, OR elements 6.1-6.N, N - the number of phases of the traffic signal control, generator, triggers 8.1- 8., AND elements, counters, switches 16.1-16.N, AND elements 17.1-17 Nxn, counters 18.1-18. N, AND elements 19.1-19N, triggers 20.1-20.N, AND elements 21-21.N, switches 22.1-22. N, AND elements 23.1-23.Nxn, counters 24.1-24.N, switches 25.1-25.N, OR elements 28.1-28.N, OR element [1].
Недостатком данного устройства является неавтоматическая жесткая схема управления светофорным объектом на перекрестке, характеристика данного устройства приведена в сопоставительном анализе 1 (см. табл.1). The disadvantage of this device is a non-automatic rigid control circuit of a traffic light object at the intersection, the characteristics of this device are given in comparative analysis 1 (see table 1).
Наиболее близким техническим решением, выбранным за прототип, является устройство дистанционного управления светофорным объектом "Блик", состоящее из контроллера, содержащего однокристальную ЭВМ, связанного двухканальной связью с приемопередатчиком с антенной, контроллер связан платой портов с лампами светофора. На плате контроллера размещены часы реального времени, энергонезависимая память с записанной в ней конфигурацией перекрестка, однокристальный модем, обеспечивающий кодирование и декодирование радиосигналов [2]. The closest technical solution chosen for the prototype is the “Blik” traffic light remote control device, consisting of a controller containing a single-chip computer connected by two-channel communication with a transceiver and an antenna, and the controller is connected by a port card with traffic lights. The controller board contains a real-time clock, non-volatile memory with the intersection configuration recorded in it, a single-chip modem that provides encoding and decoding of radio signals [2].
Недостатком данного устройства является его неавтоматическое, негибкое управление светофорным объектом, которое поясняется сопоставительным анализом 2. The disadvantage of this device is its non-automatic, inflexible control of a traffic light object, which is illustrated by a comparative analysis 2.
Данное изобретение предназначено для реализации способа нейросетевого координированного управления транспортными потоками в районе регулирования по заявке N 97117398/09 (018114). This invention is intended to implement a method of coordinated neural network traffic management in the regulatory area according to the application N 97117398/09 (018114).
Целью изобретения является автоматическое гибкое управление светофорным объектом с помощью обучающейся нейронной сети, связанное с увеличением в установленный промежуток времени пропускной способности транспортного потока на перекрестке. The aim of the invention is the automatic flexible control of a traffic light object using a learning neural network, associated with an increase in the established period of time throughput of the traffic flow at the intersection.
К светофорному объекту предъявляются следующие требования для реализации данного способа:
- светофорный объект должен быть снабжен ЭВМ с обучаемой нейропрограммой,
- должен иметь информационную связь с соседними и контрольными светофорными объектами,
- должен иметь информационную связь с детектором транспорта, снабженным ЭВМ с нейропрограммой, предварительно обученной на распознавание вида и количества транспорта на перекрестке, направления его движения, скорости движения, полосы движения на основе информации с датчиков транспорта.The following requirements are imposed on a traffic light object for implementing this method:
- the traffic light object must be equipped with a computer with a trained neuroprogram,
- must have an information connection with neighboring and control traffic light objects,
- must have an information connection with a transport detector equipped with a computer with a neuroprogram previously trained to recognize the type and quantity of transport at the intersection, its direction of movement, speed, lane based on information from transport sensors.
Эти требования в предлагаемом изобретении используются, достигают поставленную цель и служат для реализации способа по заявке N 97117398. These requirements are used in the present invention, achieve the goal and serve to implement the method according to the application N 97117398.
Цель достигается тем, что в устройство управления светофорным объектом с нейропрограммами, состоящее из контроллера, содержащего ЭВМ, часы реального времени, энергонезависимую память с записанной в ней конфигурацией перекрестка, контроллер соединен двунаправленным каналом с приемопередатчиком с антенной и двунаправленным каналом с платой портов, соединенного с лампами светофорного объекта, в него введен детектор транспорта, снабженный ЭВМ с нейропрограммой, предварительно обученной на распознавание на перекрестке вида и количества транспорта, направления его движения, скорости движения, полосы движения на основе информации с датчиков транспорта, а также тем, что контроллер с ЭВМ снабжен нейропрограммой, предварительно обученной на практическую выборку задач, учитывающую гибкую смену режимов регулирования во времени, резервирование, аварийные ситуации, а также на предпочтения спецтранспорту и корректировку поступающей информации с соседних светофорных объектов, функционирующей на основе информации с детектора транспорта на этом перекрестке и от соседних светофорных объектов и корректирующих коэффициентов предпочтения с контрольных светофорных объектов на "входах-выходах" района регулирования, при этом контроллер с ЭВМ с нейропрограммой связан приемопередающей информационной сетью с соседними и контрольными светофорными объектами через приемопередатчик и антенну. The goal is achieved in that in the control device for a traffic light object with neuroprograms, consisting of a controller containing a computer, a real-time clock, non-volatile memory with the intersection configuration recorded in it, the controller is connected by a bi-directional channel with a transceiver with an antenna and a bi-directional channel with a port card connected to lamps of a traffic light object, a transport detector is introduced into it, equipped with a computer with a neuroprogram, previously trained to recognize the type and quantity at the intersection transport, directions of its movement, speed, lane based on information from transport sensors, as well as the fact that the controller with a computer is equipped with a neuroprogram that has been preliminarily trained in a practical selection of tasks that takes into account the flexible change of control modes in time, redundancy, emergency situations, and also on preferences for special vehicles and the adjustment of incoming information from neighboring traffic lights, operating on the basis of information from a transport detector at this intersection and from neighboring traffic lights objects and correcting preference coefficients from control traffic lights at the "inputs / outputs" of the regulation area, while the controller with a computer with a neuroprogram is connected by a transceiver information network to neighboring and control traffic lights through a transceiver and an antenna.
Благодаря тому, что в устройство управления светофорным объектом с нейропрограммами введен детектор транспорта, снабженный ЭВМ с нейропрограммой, предварительно обученной на распознавание вида и количества транспорта на перекрестке, направления его движения, скорости движения, полосы движения на основе информации с датчиков транспорта, а контроллер с ЭВМ снабжен нейропрограммой, предварительно обученной на практическую выборку задач, учитывающую гибкую смену режимов регулирования во времени, резервирование, аварийные ситуации, а также предпочтения спецтранспорту и корректировку поступающей информации с соседних светофорных объектов и функционирующей на основе информации с детектора транспорта на этом перекрестке и от соседних светофорных объектов на основе корректирующих коэффициентов предпочтения с контрольных светофорных объектов на "входах-выходах" района регулирования, при этом контроллер с ЭВМ с нейропрограммой связан приемопередающей информационной сетью с соседними и контрольными светофорными объектами через приемопередатчик и антенну, достигается цель изобретения - эффективное автоматическое гибкое управление светофорным объектом с помощью обучающейся ЭВМ с нейропрограммой контроллера, связанное с увеличением в установленный промежуток времени пропускной способности транспортного потока на перекрестке с уменьшением времени задержек транспортного потока, предотвращения заторов. Due to the fact that a transport detector is introduced into the control device of a traffic light object with neuroprograms, it is equipped with a computer with a neuroprogram previously trained to recognize the type and quantity of transport at the intersection, its direction of movement, speed, lane based on information from transport sensors, and the controller The computer is equipped with a neuro program pre-trained in a practical selection of tasks that takes into account the flexible change of control modes in time, redundancy, emergency situations, and the same preferences for special vehicles and the adjustment of incoming information from neighboring traffic lights and functioning on the basis of information from a transport detector at this intersection and from neighboring traffic lights based on correcting preference coefficients from control traffic lights at the "inputs and outputs" of the regulation area, while the controller is equipped with a computer connected with a neuroprogram by a transceiver information network with neighboring and control traffic lights through a transceiver and an antenna, is achieved The purpose of the invention is an effective automatic flexible control of a traffic light object using a learning computer with a controller neuroprogram associated with an increase in the traffic flow capacity at the intersection in a specified period of time with a decrease in the delay time of the traffic flow and the prevention of congestion.
Контроллер с ЭВМ имеет обучающуюся нейропрограмму. Для обучения используется алгоритм двойственного функционирования, представляющего собой процедуру многомерной оптимизации подстраиваемых параметров с минимизацией ошибки функционирования, в котором используется метод множителей Лагранжа [3, 4, 5] . Контроллер с ЭВМ с обучаемой нейропрограммой уже использован и опробован в действии для управления несущей способностью многопролетной неразрезной балки и показал хорошие результаты, а также описан в пособии "Автоматическое управление конструкциями с помощью нейронных сетей" [6, 7]. The computer controller has a learning neuro program. For training, the dual functioning algorithm is used, which is a multidimensional optimization procedure for adjustable parameters with minimization of the operational error, which uses the Lagrange multiplier method [3, 4, 5]. A computer controller with a trained neuroprogram has already been used and tested in action to control the bearing capacity of a multi-span continuous beam and has shown good results, as well as described in the manual "Automatic control of structures using neural networks" [6, 7].
Приемопередающая информационная сеть светофорного объекта с соседними светофорными объектами позволяет производить регулировку транспортного потока по перекрестку и району регулирования. The transceiver information network of a traffic light object with adjacent traffic light objects allows you to adjust the traffic flow at the intersection and the regulation area.
Предложенное устройство управления светофорным объектом с ЭВМ с нейропрограммами имеет конкретную реализацию, основанную на светофорных объектах с нейропрограммами, обученными на предварительную выборку задач, работает по гибкой схеме, имеет возможность доучивания. The proposed control device for a traffic light object with a computer with neuroprograms has a specific implementation based on traffic light objects with neuroprograms trained in the preliminary selection of tasks, it works in a flexible way, and has the ability to retrain.
Использование устройства управления светофорным объектом с ЭВМ с нейропрограммами позволяет эффективно автоматически управлять транспортными потоками за счет обучающейся нейропрограммы, учитывающей все ситуации в регулируемом районе, обучении на основе практической выборки задач всех светофорных объектов, связанных приемопередающей информационной сетью, подаче сигналов на контрольные светофорные объекты, сравнении полученных параметров, корректировке и осуществлении обратной связи, и осуществление настройки системы управления. The use of a control device for a traffic light object with a computer with neuroprograms makes it possible to effectively automatically control traffic flows due to a learning neuroprogram that takes into account all situations in a regulated area, training based on a practical selection of tasks of all traffic light objects connected by a transceiver information network, signaling to control traffic light objects, comparison received parameters, adjusting and implementing feedback, and implementing control system settings.
Устройство управления светофорным объектом с ЭВМ с нейропрограммами представлено на фигурах:
на фиг. 1 представлена общая схема устройства управления светофорным объектом с ЭВМ с нейропрограммами,
на фиг. 2 - общая схема устройства управления светофорным объектом,
на фиг. 3 - схема обучения нейропрограммы ЭВМ контроллера, на входе интенсивность движения, на выходе - время горения зеленого сигнала,
на фиг. 4 - схема функционирования нейропрограммы контроллера с ЭВМ,
на фиг. 5 - схема обучения нейропрограммы детектора на распознавание вида и количества транспорта. Аналогична также схема обучения нейропрограммы ЭВМ контроллера (см. фиг. 3), на входе - показания датчиков транспорта, на выходе - интенсивность движения,
на фиг. 6 - схема функционирования ЭВМ нейропрограммы детектора.The control device of a traffic light object with a computer with neuroprograms is presented in the figures:
in FIG. 1 shows a General diagram of a control device for a traffic light object with a computer with neuroprograms,
in FIG. 2 is a general diagram of a traffic light control device,
in FIG. 3 - training scheme of the neural program of the computer of the controller, at the input the traffic intensity, at the output - the burning time of the green signal,
in FIG. 4 is a diagram of the functioning of the neural program of the controller with a computer,
in FIG. 5 is a training diagram of a detector neuroprogram for recognizing the type and amount of transport. The training scheme for the neural program of the computer of the controller is also similar (see Fig. 3), at the input - readings of transport sensors, at the output - traffic intensity,
in FIG. 6 is a diagram of the functioning of the computer of the detector neuroprogram.
Ниже используются понятия и определения как в заявке N 97117398. Below are used concepts and definitions as in the application N 97117398.
Под районом регулирования понимается некоторый район города, имеющий определенные магистральные направления. Под "входом-выходом" района регулирования понимается измерение интенсивности транспортного потока в районе регулирования. The regulatory area is understood to mean a certain area of the city that has certain main directions. Under the "input-output" of the regulatory area refers to the measurement of the intensity of the traffic flow in the regulatory area.
Под внутренними светофорными объектами понимается набор устройств, обеспечивающих регулирование дорожного движения на перекрестке. В устройство входят: непосредственно светофор, контроллер с ЭВМ с нейропрограммой, приемопередатчик, плата портов с лампами светофорного объекта, детектор транспорта с ЭВМ с нейропрограммой. Under the internal traffic light objects refers to a set of devices that provide traffic control at the intersection. The device includes: a direct traffic light, a controller with a computer with a neuroprogram, a transceiver, a port card with lamps for a traffic light object, a transport detector with a computer with a neuroprogram.
Контрольные светофорные объекты, такие же по составу, как и внутренние светофорные объекты, с отличием в том, что их нейропрограмма дополнительно сверяет затраченное время с контрольными критериями времени пропуска транспорта и выдает управляемые сигналы на внутренние светофорные объекты с указанием корректирующих коэффициентов предпочтения. Control traffic light objects, the same composition as internal traffic light objects, with the difference that their neural program additionally compares the elapsed time with the control criteria for the time of passage of vehicles and provides controlled signals to internal traffic light objects with the indication of correction preference coefficients.
Выборка задач учитывает гибкую смену режимов регулирования во времени, резервирование, аварийные ситуации, а также предпочтения спецтранспорту и корректировку поступающей информации с соседних светофорных объектов. The selection of tasks takes into account the flexible change of control modes in time, redundancy, emergency situations, as well as preferences for special vehicles and adjustment of incoming information from neighboring traffic lights.
Устройство управления светофорным объектом с ЭВМ с нейропрограммами на светофорном объекте в районе регулирования 1 (фиг. 1) имеет реальную сеть улиц 2, 3, 4, 5, 6, 7 с перекрестками. Улица 6 является главной магистралью. На "входах-выходах" района регулирования расположены 8, 9, 10, 11 - контрольные светофорные объекты с датчиками транспорта 12, установленные на каждой полосе движения района регулирования для измерения транспортных потоков на "входах-выходах" района регулирования и внутренние светофорные объекты 13, 14, 15, 16 со своими датчиками транспорта 12. The control device for a traffic light object with a computer with neuroprograms at a traffic light object in regulation area 1 (Fig. 1) has a real network of streets 2, 3, 4, 5, 6, 7 with intersections. Street 6 is the main highway. At the "inputs and outputs" of the regulatory area are located 8, 9, 10, 11 - control traffic lights with transport sensors 12 installed on each lane of the regulatory area for measuring traffic flows at the "inputs and outputs" of the regulatory area and internal traffic lights 13, 14, 15, 16 with their transport sensors 12.
Устройство управления светофорным объектом с ЭВМ с нейропрограммами содержит контроллер 17 с ЭВМ, снабженный нейропрограммой, предварительно обученной на практическую выборку задач, учитывающую гибкую смену режимов регулирования во времени, резервирование, аварийные ситуации, а также предпочтения спецтранспорту и корректировку поступающей информации с соседних светофорных объектов и функционирующей на основе информации с детектора транспорта 12 на этом перекрестке 13 и от соседних светофорных объектов 8, 9, 14, 15, 16 и через них с другими светофорными объектами на основе корректирующих коэффициентов предпочтения с контрольных светофорных объектов 8, 9, 10, 11 на "входах-выходах" района регулирования 1, при этом контроллер с ЭВМ с нейропрограммой связан приемопередающей информационной сетью с соседними светофорными объектами 8, 9, 14, 15, 16 и через них с другими светофорными объектами через приемопередатчик 18 и антенну 19 (фиг. 2). The control device for a traffic light object with a computer with neuroprograms comprises a
В устройство управления светофорным объектом с ЭВМ с нейропрограммами введен детектор транспорта 24 с ЭВМ, снабженный нейропрограммой, предварительно обученной на распознавание вида и количества транспорта на перекрестке, направления его движения, скорости движения, полосы движения на основе информации с датчиков 12 транспорта, установленных на каждой полосе движения на перекрестке, соединенный выходом с входом контроллера 7 с ЭВМ с нейропрограммой. A traffic detector 24 with a computer, equipped with a neuroprogram preliminarily trained to recognize the type and quantity of transport at the intersection, its direction, speed, lane based on information from transport sensors 12 installed on each, is introduced into the control device of a traffic light object with a computer with neuroprograms. lane at the intersection, connected by the output to the input of the controller 7 with a computer with a neuroprogram.
Нейропрограмма ЭВМ контроллера обучена на основе натурных обследований и корректирующих коэффициентов с контрольных светофорных объектов и которая может доучиваться в процессе эксплуатации. На основе нейропрограммы в результате обучения каждого светофорного объекта (внутреннего и контрольного) производится настройка на оптимальную работу на основе корректирующих коэффициентов предпочтения. В процессе эксплуатации каждый светофорный объект получает дополнительную информацию и совершает свою управляющую работу путем доучивания, что предусмотрено алгоритмом нейропрограммы, т.е. светофорные объекты работают с прямой и обратной связью, взаимодействуют между собой. The neuroprogram of the computer of the controller is trained on the basis of full-scale surveys and correcting coefficients from control traffic lights and which can be learned during operation. Based on the neural program, as a result of the training of each traffic light object (internal and control), tuning is performed for optimal operation based on correcting preference coefficients. During operation, each traffic light object receives additional information and performs its control work by completing what is required by the neuroprogram algorithm, i.e. traffic light objects work with direct and feedback, interact with each other.
Устройство работает следующим образом. The device operates as follows.
Устройство управления светофорным объектом с ЭВМ с нейропрограммами работает, например, на светофорном объекте 13, следующим образом:
В контроллер с ЭВМ с нейропрограммой 17, предварительно обученной на практическую выборку задач, учитывающую гибкую смену режимов во времени, резервирование, аварийные ситуации, а также предпочтения спецтранспорту и корректировку поступающей информации с соседних и контрольных светофорных объектов, поступает информация через антенну 19 приемопередатчика 18 от всех светофорных объектов, а также сюда поступает информация с детектора транспорта 24 с ЭВМ с нейропрограммой, предварительно обученной на распознавание вида и количества транспорта на перекрестке, направления его движения, скорости движения, полосы движения на основе информации с датчиков транспорта 12.The control device for a traffic light object with a computer with neuroprograms works, for example, at the traffic light object 13, as follows:
The controller with a computer with
Контроллер с ЭВМ с нейропрограммой 17 может получать информацию и от других структур системы управления транспортными потоками. A computer controller with
Контроллер 17 с ЭВМ с нейропрограммой осуществляет управление транспортными потоками через плату портов 20, дающей сигналы включения-выключения определенных групп ламп 21, 22, 23 светофорного объекта 13 с учетом информации на соседних светофорных объектах 8, 9, 14, 15, 16 и через них с другими светофорными объектами с учетом информации на основе корректирующих коэффициентов предпочтения от контрольных светофорных объектов 8, 9, 10, 11. A
Контроллер 17 с ЭВМ с нейропрограммой имеет предварительно обученную нейропрограмму на основе натурных обследований на основе корректирующих коэффициентов предпочтения и которая самообучается в процессе эксплуатации. На основе нейропрограммы в результате обучения каждого светофорного объекта (внутреннего и контрольного) производится настройка на оптимальную работу, как и обучение, с указанными ему коэффициентами предпочтения. В процессе эксплуатации каждый светофорный объект получает дополнительную информацию и совершает свою управляющую работу путем доучивания, что предусмотрено алгоритмом нейропрограммы, т.е. светофорные объекты работают с прямой и обратной связью, взаимодействуют между собой. The
Схема обучения нейропрограммы ЭВМ контроллера 17 представлена на фиг. 3 и осуществляется по известной методике [3, 7]. The training scheme of the neural program of the computer of the
Схема функционирования нейропрограммы ЭВМ контроллера 17 представлена на фиг. 4 и осуществляется следующим образом:
Ввод информации с соседних светофорных объектов 8, 9, 14, 15, 16 и через них с другими светофорными объектами и информация об интенсивности движения транспортного потока с детектора транспорта с ЭВМ с нейропрограммой 24 поступает на функционирование обученной ЭВМ с нейропрограммой контроллера управления 17, получение времени горения зеленого сигнала в зависимости от интенсивности движения с дальнейшим расчетом цикла регулирования по зеленому сигналу с выходом на лампы светофорного объекта 21, 22, 23. Расчет цикла регулирования по зеленому сигналу передается на соседние светофорные объекты 8, 9, 14, 15, 16 и через них на другие светофорные объекты. Если время прохождения транспортного потока больше, чем установленное, то с контрольных светофорных объектов 8, 9, 10, 11 поступают корректирующие управляющие сигналы.The functioning diagram of the computer neuroprogram of the
The input of information from neighboring traffic light objects 8, 9, 14, 15, 16 and through them with other traffic light objects and information about the traffic flow from a transport detector with a computer with a neuroprogram 24 is received by a trained computer with a neuroprogram of the
Схема обучения нейропрограммы ЭВМ детектора транспорта 24 представлена на фиг. 5. The training scheme of the neural program of the computer of the transport detector 24 is shown in FIG. 5.
Схема функционирования нейропрограммы ЭВМ детектора транспорта 24 представлена на фиг. 6 и включает в себя:
ввод входной информации с датчиков транспорта 12, установленных на каждой полосе движения,
функционирование обученной ЭВМ с нейропрограммой детектора транспорта 24, получение интенсивности движения,
передача полученной интенсивности транспортного потока на ЭВМ с нейропрограммой контроллера 17.The functioning of the neural program of the computer of the transport detector 24 is shown in FIG. 6 and includes:
input information input from transport sensors 12 installed in each lane,
the functioning of a trained computer with the neural program of the transport detector 24, obtaining traffic intensity,
transmitting the received traffic flow intensity to a computer with a
Пример выполнения. Приближающийся по магистрали транспортный поток к светофорному объекту с ЭВМ с нейропрограммой 13 фиксируется датчиками транспорта 12 и информация поступает в детектор транспорта 24 с ЭВМ с нейропрограммой, предварительно обученной на распознавание вида и количества транспорта на перекрестке, направления его движения, скорости движения, полосы движения, и информация о параметрах транспортных потоков по направлениям поступает в контроллер 17 с ЭВМ с нейропрограммой, в котором с учетом информации с соседних светофорных объектов 8, 9, 14, 15, 16 и через них с другими светофорными объектами, где вырабатывается управляющий сигнал на лампы 21, 22, 23 светофорного объекта 13 с ЭВМ с нейропрограммами, например, зеленого цвета. Execution example. The traffic flow approaching along the highway to a traffic light object with a computer with a neuroprogram 13 is recorded by transport sensors 12 and the information enters the transport detector 24 with a computer with a neuroprogram pre-trained to recognize the type and amount of transport at the intersection, its direction of movement, speed, lane, and information about the parameters of traffic flows in the directions enters the
Если время пропуска поперечного транспорта не удовлетворяет контрольному предпочтению, то срок горения (например, зеленого сигнала) по главной магистрали увеличивается. If the skip time of the transverse transport does not satisfy the control preference, then the burning time (for example, the green signal) along the main highway increases.
Обучение нейропрограммы микроЭВМ 17 контроллера происходит следующим образом (см. фиг. 3):
- Ввод входной информации с датчиков 12 транспорта, установленных на каждой полосе движения.Learning the neural program of the
- Entering input information from sensors 12 vehicles installed in each lane.
- Функционирование контроллера заранее обученной ЭВМ с нейропрограммой детектора транспорта 24. Получение интенсивности движения. - The functioning of the controller pre-trained computer with the neural program of the transport detector 24. Getting traffic intensity.
- Передача полученной интенсивности на ЭВМ с нейропрограммой контроллера 17. - Transfer of the received intensity to the computer with the neuroprogram of the
Светофорный объект с контроллером с микроЭВМ с нейропрограммой представляет собой локальную подсистему, которая по собственной нейропрограмме принимает оптимальное решение о пропускной способности на основе информации: от соседних светофорных объектов - пропуск машин, прошедших в его направлении с учетом времени проезда от соседнего до данного светофорного объекта. A traffic light object with a controller with a microcomputer with a neuroprogram is a local subsystem, which, according to its own neuroprogram, makes the optimal decision on the bandwidth based on information: from neighboring traffic light objects - the pass of cars that passed in its direction taking into account the travel time from the neighboring to the given traffic light object.
Собственная нейропрограмма обучена на выборке задач, учитывающей гибкую смену режимов регулирования во времени, резервирование, аварийные ситуации и др. , включающей время пропуска транспортного потока через перекресток от максимального до минимального, особенно выделяя направления и потоки транспорта общего пользования, спецтранспорта с указанием соответствующих им предпочтений с учетом всех местных условий и ограничений работать по поступающей информации по критерию минимума задержек (по максимальной пропускной способности) и корректирующих управляющих сигналов с контрольных светофорных объектов 8, 9, 10, 11. Our own neuroprogram is trained on a selection of tasks that takes into account the flexible change of control modes in time, redundancy, emergency situations, etc., including the passage of the traffic flow through the intersection from maximum to minimum, especially highlighting the directions and flows of public transport, special vehicles indicating their preferences taking into account all local conditions and restrictions, work according to the incoming information according to the criterion of minimum delays (by maximum throughput) and rektiruyuschih control signals to control traffic lights 8, 9, 10, 11.
Детектор транспорта 24 с ЭВМ с нейропрограммой может быть выполнен на звуковой, видео и магнитной основе. The transport detector 24 with a computer with a neuroprogram can be performed on sound, video and magnetic basis.
Контроллер 17 с ЭВМ с нейропрограммой был использован для управления несущей способности многопролетной неразрезной балки и показал хорошие результаты [6]. A
Литература
1. А. с. N 1462395 Способ управления движением транспортных средств на перекрестке. Опубл. БИ N 8, 1989 г.Literature
1. A. p. N 1462395 A method for controlling the movement of vehicles at an intersection. Publ. BI N 8, 1989
2. Система дистанционного управления светофорными объектами и ее составных частей. Техническое задание. Изделие разработано и производится фирмой "Нивелир", адрес 690105, Владивосток, ул. Бородинская 46/50, а/я 105-59 (прототип). 2. Remote control system for traffic lights and its components. Technical task. The product was developed and manufactured by the firm "Level", address 690105, Vladivostok, st. Borodinskaya 46/50, PO Box 105-59 (prototype).
3. Барцев С.И., Гилев С.Е., Охонин В.А. Принцип двойственности в организации адаптивных сетей обработки информации /Сборник "Динамика химических и биологических систем"// Новосибирск, Наука, 1989 г. 3. Bartsev S.I., Gilev S.E., Okhonin V.A. The duality principle in the organization of adaptive information processing networks / Collection "Dynamics of chemical and biological systems" // Novosibirsk, Nauka, 1989
4. Введение в искусственные нейронные сети. Анил К. Джейн / Журнал "Открытые системы. Нейрокомпьютеры". N 4 (24), 1997, с. 16. 4. Introduction to artificial neural networks. Anil C. Jane / Journal of Open Systems. Neurocomputers. N 4 (24), 1997, p. 16.
5. Кременец Ю.А. Технические средства организации дорожного движения. М. Транспорт, 1990 г.). 5. Kremenets Yu.A. Technical means of traffic management. M. Transport, 1990).
6. Способ автоматического управления несущей способности многопролетной неразрезной балки с помощью контроллера с нейросетевой программой и устройство для его осуществления. Заявка на изобретение N 97107519, по которой получено решение о выдаче патента РФ от 29 апреля 1998 г.). 6. A method for automatically controlling the bearing capacity of a multi-span continuous beam using a controller with a neural network program and a device for its implementation. Application for invention N 97107519, according to which a decision was obtained on the grant of a patent of the Russian Federation dated April 29, 1998).
7. Автоматическое управление конструкциями с помощью нейронных сетей. Абовский Н.П., Абросимов П.С., Бабанин В.Б., Ланкин Ю.П., Смолянинова Л.Г., КрасГАСА, Красноярск, 1996 г., с. 88. 7. Automatic control of structures using neural networks. Abovsky N.P., Abrosimov P.S., Babanin V.B., Lankin Yu.P., Smolyaninova L.G., KrasGASA, Krasnoyarsk, 1996, p. 88.
8. Способ нейросетевого координированного управления транспортными потоками в районе регулирования. Заявка на изобретение N 97117398. Бабанин В.Б., Смолянинова Л.Г., Абовский Н.П. и др. 8. The method of coordinated neural network traffic management in the regulatory area. Application for invention N 97117398. Babanin V.B., Smolyaninova L.G., Abovsky N.P. and etc.
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU98124018A RU2151424C1 (en) | 1998-12-30 | 1998-12-30 | Device for controlling light signal object using computer with neural network software |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU98124018A RU2151424C1 (en) | 1998-12-30 | 1998-12-30 | Device for controlling light signal object using computer with neural network software |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2151424C1 true RU2151424C1 (en) | 2000-06-20 |
Family
ID=20214200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU98124018A RU2151424C1 (en) | 1998-12-30 | 1998-12-30 | Device for controlling light signal object using computer with neural network software |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2151424C1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2526043C2 (en) * | 2008-01-30 | 2014-08-20 | Конинклейке Филипс Электроникс Н.В. | Universal semiconductor device, module and method of operation |
RU2675751C1 (en) * | 2018-02-28 | 2018-12-24 | Алексей Алексеевич Палей | Method of managing the work of traffic lights |
-
1998
- 1998-12-30 RU RU98124018A patent/RU2151424C1/en active
Non-Patent Citations (1)
Title |
---|
Устройство дистанционного управления светофорным объектом "БЛИК". Техническое описание. г.Владивосток, 1997. * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2526043C2 (en) * | 2008-01-30 | 2014-08-20 | Конинклейке Филипс Электроникс Н.В. | Universal semiconductor device, module and method of operation |
US9113533B2 (en) | 2008-01-30 | 2015-08-18 | Koninklijke Philips N.V. | Semiconductor package with incorporated light or temperature sensors and time multiplexing |
RU2675751C1 (en) * | 2018-02-28 | 2018-12-24 | Алексей Алексеевич Палей | Method of managing the work of traffic lights |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544945B (en) | Regional control phase timing optimization method based on lane saturation | |
CN105046987B (en) | A kind of road traffic Control of coordinated signals method based on intensified learning | |
Milazzo et al. | Effect of pedestrians on capacity of signalized intersections | |
CN1149524C (en) | Traffic guidance system | |
Michalopoulos et al. | Oversaturated signal systems with queue length constraints—II: Systems of intersections | |
CN103559795A (en) | Multi-strategy and multi-object self-adaptation traffic control method | |
CN1936999A (en) | City area-traffic cooperative control method based wireless sensor network | |
Jagadeesh et al. | Smart autonomous traffic light switching by traffic density measurement through sensors | |
RU2151424C1 (en) | Device for controlling light signal object using computer with neural network software | |
Sekiyama et al. | Self-organizing control of urban traffic signal network | |
CN114038218A (en) | Chained feedback multi-intersection signal lamp decision system and method based on road condition information | |
DE102011107663B4 (en) | Method and device for the dynamic control of a signaling system | |
CN109118793B (en) | Wagon flow control method and device | |
CN110728840A (en) | Traffic control method and intelligent navigation system | |
US3120651A (en) | Traffic adjusted traffic control systems | |
Wei et al. | FL-FN based traffic signal control | |
Chen et al. | Influence of pedestrian traffic on capacity of right-turning movements at signalized intersections | |
CN102592463A (en) | Green wave induction control method and system of traffic flow through intelligent cluster signal lamps | |
Virkler | Signal coordination benefits for pedestrians | |
Jin et al. | Evaluation of on-ramp control algorithms | |
RU2486599C2 (en) | Method of controlling traffic flows at crossing | |
Moghimi et al. | Transit signal priority in smart cities | |
CN114120665A (en) | Intelligent phase control method and system based on pedestrian number | |
RU2702477C2 (en) | Method of traffic control and system for implementation thereof | |
RU114203U1 (en) | TRANSPORT AND PEDESTRIAN FLOW MANAGEMENT SYSTEM THROUGH THE CROSSROADS |