Phát triển giải thuật điều khiển đèn giao thông thông minh

PHÁT TRIỂN giải thuật điỀu khiỂn đèn giao thông thông minh
NGÔ LÊ NGỌC BÍCH, NGUYỄN CHÍ NGÔN
Trường Đại học cần Thơ
Tóm tắt. Bài báo đề xuất mô hình cài đặt hệ thống đèn giao thông áp dụng cho một ngã tư dựa trên sự kết hợp của kỹ thuật xử lý ảnh và điều khiển mờ. Sau khi đèn đỏ được bật vài giây, hình ảnh sẽ được chụp và ước lượng mật độ xe lưu thông. Dựa trên kết quả ước lượng này, bộ điều khiển mờ sẽ quyết định thời gian đèn xanh cho chu kỳ tiếp theo, với mục tiêu làm cho tuyến đường có mật độ xe lưu thông cao hơn thì thời gian của chu kỳ đèn xanh sẽ dài hơn và ngược lại. Chương trình mô phỏng được xây dựng để đánh giá mô hình đề xuất cũng như so sánh với hệ thống hoạt động theo cơ chế định thời phổ biến hiện nay. Kết quả mô phỏng đã chứng minh được thời gian đèn xanh phụ thuộc vào mật độ xe trên đường, xe càng nhiều, thời gian càng dài và ngược lại. Khi mật độ xe giữa 2 tuyến đường chêch lệch nhau là 5 lần thì tổng thời gian chờ của mô hình hoạt động theo cơ chế thông minh giảm từ 15 đến 20 lần so với cơ chế định thời.
Abstract. This study presents an implementation of an intelligent traffic light control system for a crossroads based on combination of image processing and fuzzy controller. After certain seconds of red light, traffic densities are estimated from captured images. Based on this estimated result, a fuzzy controller determines the length of the next green light period in order to generate longer period for higher density road, vice versa. A software was developed to evaluate the suggestion algorithm, and to compare it with traditional timer-based traffic light system. Simulation results indicate that the road with higher traffic flow has a longer green light period, and vice versa. When the traffic’s densities of 2 roads are 5 times different, the vehicle red-light waiting times of the suggested system are reduced from 15 to 20 times better than the traditional system.
Keywords. Traffic Light Control, Fuzzy Control, Image Processing
GIỚI THIỆU
Hầu hết các chốt giao thông ở nưóc ta có chu kỳ đèn xanh - đỏ được thiết lập cố định, bất chấp lưu lượng các phương tiện tham gia giao thông trên mỗi tuyến đường. Trong khi trên một tuyến có khá ít xe qua lại, thì ở tuyến kia xe phải nối đuôi nhau chờ đèn xanh ngày một nhiều hơn và lượng xe này không thể giải tỏa chỉ trong một hoặc hai chu kỳ, đặc biệt vào nhUng giờ cao điểm. Việc tiêu tốn quá nhiều thời gian tại mỗi chốt giao thông gây ra hàng loạt hậu quả như: thời gian lưu thông kéo dài; xăng, dầu được sử dụng mà không sinh ra bất kỳ lợi ích nào ngoài việc tăng lượng khí thải vào môi trường ảnh hưởng sức khoẻ người tham gia lưu thông... Thực trạng này thể hiện rõ tính kém linh hoạt của các chốt giao thông sử dụng cơ chế định thời phổ biến hiện nay.
Những chốt giao thông hoạt động theo cơ chế tự điều khiển (tự điều chỉnh thời gian đèn tín hiệu tuỳ thuộc vào lưu lượng xe) đang được ứng dụng rộng rãi ỡ các nưóc phát triển. Dựa vào ưu thế về cơ sở hạ tầng và tình trạng phân luồng giao thông rõ ràng giữa các làn xe, hầu hết những mô hình này sử dụng cảm biến đế xác định thực trạng lưu lượng xe cũng như kỹ thuật điều khiển mờ làm nền tảng cho việc thiếp lập thời gian đèn tín hiệu ở chu kỳ tiếp theo [1-8], Tuy nhiên, công nghệ này ở nưóc ta vẫn còn chưa được áp dụng. Đã có nhiều công trình khoa học được thực hiện nhằm khắc phục thực trạng giao thông trong nưóc [9-12], ở công bố [12] trưóc đây của nhóm nghiên cứu, giải pháp ưóc lượng mật độ lưu thông được đưa ra là so sánh sự khác biệt giữa hai ảnh được chụp liên tiếp sau khi đèn đỏ được bật lên. Giải pháp này có hạn chế ỡ chỗ, nếu lượng xe dừng trưóc đèn đỏ quá đông, thì sự khác biệt giữa 2 ảnh chụp liên tiếp như trên là không lớn. Ngoài ra, nếu vì lý do kỹ thuật, mà ảnh thu được bị nhòe, thì sai số thu được khi so sánh hai ảnh liên tiếp cũng sẽ rất lớn. Nhằm khắc phục hạn chế của [12], nghiên cứu đề xuất một giải thuật ưóc lượng mật độ xe thông qua việc chụp ảnh một lần và ưóc lượng tỷ lệ giữa các phương tiện giao thông có trong ảnh và mặt đường. Đồng thời, nghiên cứu này cũng xây dựng một chương trình mô phỏng một cách trực quan hệ thống đèn giao thông trên cơ sỡ mã nguồn mỡ, áp dụng cho một ngã tư có khả năng hoạt động theo 2 cơ chế: định thời (mô hình đang sử dụng) và thông minh (mô hình đề xuất), để so sánh được những ưu, khuyết điếm của mỗi mô hình và hưởng tói việc phát triển sản phàm trong tương lai.
PHƯƠNG PHÁP NGHIÊN cứu
Mô hình hệ thống
Phát triển từ các kết quả đạt được ỡ [9] và 12], nghiên cứu này xây dựng phần mềm mô phỏng một cách trực quan một mô hình ngã tư vói 2 làn đường, ở mỗi làn đường, camera chụp ảnh trạng thái mặt đường sau khi đèn tín hiệu chuyển sang màu đỏ khoảng 1-2 giây. Hình ảnh thu được dùng để ưóc lượng mật độ các phương tiện tham gia giao thông, kết quả ưóc lượng làm đầu vào cho bộ điều khiển mờ, để quyết định thời gian đèn xanh cho chu kỳ tiếp theo.
Ước lượng mật độ xe
Có khá nhiều nghiên cứu vói tham vọng có thể xác định được chính xác số lượng xe đang lưu thông trên đường, thực tế cho thấy tham vọng này có thể khả thi khi đếm lượng xe đang lưu thông thông qua video [10], Tuy nhiên, vói những phương tiện đang chờ tín hiệu đèn (xe di chuyến vói vận tốc nhỏ hoặc gần như đứng yên), tham vọng này trở nên khó khăn. Ngoài ra, số lượng xe lưu thông trên đường cũng không phản ánh được chính xác tình trạng mật độ xe vì nó phụ thuộc trực tiếp vào diện tích mặt đường. Do đặc trưng của mô hình đề xuất là sử dụng logic mờ đế quyết định thời gian chờ cho đèn tín hiệu, nhóm nghiên không tập trung vào việc xác định chính xác mật độ xe, thay vào đó là một kết quả ưóc lượng thoả các tiêu chí sau: (i) thời gian xử lý nhanh, phương pháp đơn giản, không cần vi xử lý có cấu hình cao; (ii) lưu lượng xe chỉ là một giá trị ưóc lượng, tương quan đến số lượng các phương tiện tham gia giao thông trên đường và không bị ảnh hưởng quá nhiều bởi các tác nhân gây nhiễu. Phiên bản đầu tiên của nghiên cứu này ([9, 12]) sử dụng phương pháp chụp 2 ảnh liên tiếp trưóc đèn đỏ để ưóc lượng lưu lượng xe. Tuy nhiên, phương pháp này gặp phải sai số lớn khi lượng xe chiếm đầy khung ảnh làm cho sự khác biệt giữa hai lần chụp liên tiếp là không đáng kể. Để khắc phục hạn chế đó, nghiên cứu này phát triển một phiên bản mói của giải thuật ưóc lượngmật độ xe. Ý tưởng của giải thuật là phân đoạn ảnh thành 2 vùng chính gồm mặt đường và phương tiện giao thông. Kết quả ước lượng là tỷ lệ phần trăm giữa tổng số pixels đại diện cho phương tiện giao thông trẽn tổng số pixels của vùng cần quan tâm, xác định bởi (1):
(1)
result = Pm^1 Pi 100%;
Ej=i qj
trong đó, Pi là pixel thứ i của vùng ảnh đại diện cho phương tiện giao thông và qj là pixel thứ j của vùng ảnh cần quan tâm sau khi loại bỏ các chi tiết thừa của cả bức ảnh.
Hình ảnh thu từ camera được chuyển về mức xám, sau đó được xử lý để cải thiện độ tương phản của ảnh bằng bảng look-up. Bảng look-up là một ánh xạ một-một (hay nhiều-một) định nghĩa tính giá trị mới (newlntensity) cho mỗi pixel. Nó là mảng một chiều, và đối ảnh mức xám (nghiên cứu chỉ xử lý ảnh mức xám) độ dài của nó là 256. Mỗi giá trị thứ i định nghĩa một giá trị mới cho pixel theo (2):
newIntensity = lookup[oldĩntensity].	(2)
Dựa vào bảng look-up, ta tiến hành cải thiện độ tương phản cho ảnh theo cách sau: (i) tìm giá trị nhỏ nhất (imin! = 0) và lớn nhất (imax) trong mảng biểu đồ ảnh (histogram); (ii) tính lại giá trị mới cho mỗi pixel theo (3):
lookup [i] =
0;
255;
255(i - imịn)
imax	imin
i < imin
i > imax
(3)
+ 0; 5
Mã giả cho giải thuật được minh họa như Hình 1.
Image getPreProcess(Image img, Integer min Value) {
// tinh biếu đồ ảnh
Array histogram= getHistogram(img);
// tìm giá trị nhỏ nhất lớn hơn minValue từ bên trái (cực trái) Integer imin= 0;
for(; imin < histogram.size(); imin++ )
if (histogramị i I > minValue) break;
// tìm giá trị nhỏ nhất lớn hơn minValue từ bên phải (cực phải) Integer imax= histogram.sizeO -1;
for(; imax >= 0; imax--)
if (histogramị i I > minValue) break;
// tạo bảng lookup
Array lookup[256];
//kéo dãn giá trị giữa itnin và imax for (int i=0; i<256; i++) {
if (i < imin) lookup[i]= 0;
else if(i > imax) lookup[i]= 255;
else lookupfi] = 255.0*(i-imin)/(imax-imin)+0.5 ; Image result= applyLookUp(img,lookup);
return result;
}
Hình 1. Minh họa giải thuật ước lượng mật độ xe bằng mã giả
Sau quá trình tiền xử lý đẻ làm nổi lên các lượng thông tin cần quan tâm, áp dụng bộ lọc Canny[19] đẻ tìm ra những đường biên giữa phương tiện giao thông và mặt đường. Bộ lọc này cần 2 tham số đầu vào lần lượt là ngưỡng trên (liigh_threshokl) và ngưỡng dưới (low_threshold). Kết quả của phép lọc là hình ảnh mới, chứa các đường biên của phương tiện. Từ tập hợp các đường biên này, ta vẽ lại chúng với độ dày (thick_cdgc) tuỳ thuộc vào kích thước của hình ảnh cần ước lượng và màu của đường biên là màu đại diện cho phương tiện giao thông. Ấp dụng mặt mạ (mask image) đẻ phân vùng ảnh cần ước lượng, ta có được hình ảnh phân đoạn của mặt đường và phương tiện giao thông. Từ đây, tính tỷ lệ phần trăm số pixel đại diện phương tiện trên tổng số pixel đẻ có được kết quả ước lượng. Lưu đồ cho giải thuật cũng như ví dụ được minh hoạ trên Hình 2 và Hình 3.
BEGIN
edges in Hst_edges
END
Hình 2. Lưu đồ giải thuật ước lượng mật độ xe
total = getConcemedPixel(image_edge) vehicle “ gptVehiclePixel(image_edge) result = (véhicle/total)*100
image — origin_image
image = getPreProcess(image)
getCanny(image, low_threshold, high_threshold) List hst_edges = getEdges(image)
image_edge += mask
draw_contours(image_edge, edge, thick_size, color_vehicle)
Từ quá trình thực hiện, ta nhận thấy bản thân bộ lọc Canny đã loại bó những tác nhân gây nhiễu do đó kết quả sẽ không bị ảnh hưởng nhiều bởi các yếu tố gây nhiễu cũng như
yếu tố thời tiết (độ sáng của hình ảnh khác nhau tuỳ vào từng thời đicm khác nhau trong ngày). Việc áp dụng mặt mạ cho ta khả năng linh hoạt trong việc ước lượng với những góc đặt camera khác nhau.
Đe chọn được các cạnh thực sự cũng như loại bó những chi tiết gây nhiễu, chọn giá trị cho ngưỡng trên (high_threshold) và ngưỡng dưới (low_threshold) lần lượt là 200 và 100. Độ dày (thick_sizc) của đường biên có thẻ tinh chỉnh đẻ phù hợp với kích thước ảnh cần ước lượng. Thực nghiệm cho thấy, giải thuật hoạt động ổn định khi số lượng xe trên đường tương đối đáng kẻ. Tuy nhiên, tó ra kém hiệu quả khi số lượng xe trên đường ít, những vật gây nhiễu (vạch kẻ, bóng của phương tiện...) cũng được giải thuật Canny nhận dạng và được đánh dấu là những pixels đặc trưng cho sự có mặt của phương tiện trong kết quả cuối cùng. Do đó, yếu tố gây nhiễu này cần được quan tâm trong quá trình xây dựng bộ điều khiên mờ.
Thiết kế bộ điều khiển mờ
Bộ điều khiên mờ được dùng đẻ quyết định thời gian đen xanh ở chu kỳ tiếp theo dựa trên kết quả ước lượng từ hình ảnh thu được ở hai làn xe được kế thừa từ [12], với 2 ngõ vào và 2 ngõ ra. Các ngõ vào là mật độ xe trên hai tuyến đường LO và Ll, có giá trị biến thiên trong [1...100]% và được mờ hoá thành 5 tập mờ chính tắc: {RatVang, Vang, TrungBinh, Dong và RatDong}, như Hình 4. Tương tự, các ngõ ra là thời gian đen xanh TO và TI của hai tuyến đường có giá trị vật lý biến thiên trong [15... 80] giây, được mờ hóa thành 4 tập mờ chính tắc: {Ratngan, Ngan, Dai và Ratdai}, trên Hình 5.
Hình 4- Các hàm liên thuộc ngõ vào
Hình 5. Các hàm liên thuộc ngõ ra
Bộ điều khiên mờ có 25 luật được xây dựng dựa trên thực nghiệm và minh họa trên Bảng
1, với cơ chế suy diễn MAX-MIN và giải mờ theo phương pháp điẻm trọng tâm. Chi tiết về bộ điều khiên mờ xin xem [12],
Bảng 1. Luật điều khiển cho mô hình đèn giao thông thông minh
RatVang
Vang
TrungBinh
Dong
RatDong
RatVang
TO
TI
RatNgan
RatNgan
TO
Ti
Ngan
Dai
TO
TI
Ngan
Dai
TO
TI
Ratngan
Ratdai
TO
Ti
Ratngan
Ratdai
Vang
TO
TI
Dai
Ngan
TO
Ti
RatNgan
RatNgan
TO
TI
Ngan
Dai
TO
TI
Ratngan
Dai
TO
Ti
Ratngan
Ratdai
TrungBinh
TO
TI
Dai
Ngan
TO
Tí
Dai
Ngan
TO
TI
RatNgan
RatNgan
TO
TI
Ngan
Dai
TO
Tí
Ngan
Dai
Dong
TO
TI
Ratdai
Ratngan
TO
Ti
Ratdai
Ngan
TO
TI
Dai
Ngan
TO
TI
RatNgan
RatNgan
TO
Ti
Ngan
Dai
RatDong
TO
TI
Ratdai
Ratngan
TO
TI
Ratdai
Ratngan
TO
TI
Dai
Ngan
TO
TI
Dai
Ngan
TO
TI
RatNgan
RatNgan
MÔ HÌNH MÔ PHỎNG VÀ KET quả THựC nghiệm
3.1. Mô hình mô phỏng
Để kiểm chứng các giải thuật đã đề xuất, nghiên cứu này xây dựng mô hình mô phông một chốt đèn tín hiệu giao thông được minh hoạ như Hình 6. Đèn giao thông được điều khiển dựa trên hai cơ chế: định thời (thời gian đèn tín hiệu cho 2 tuyến đường là cố định) và thông minh (mô hình đề xuất). Ngoài ra, mô hình còn có các thông số tuỳ chỉnh sau: mật độ xe cho 2 tuyến đường, thời gian đèn xanh cho 2 tuyến đường, tốc độ di chuyển của xe, độ dài của phần đường cần quan sát...
a) Bảng điều khiển các thông số mô phỏng
b) Giao diện mô phỏng chốt giao thông
Hỉnh 6. Giao diện mô phỏng một chốt đèn giao thông
3.2. Kết quả thực nghiệm
Thông số mô tả mật độ xe của mỗi làn đường có giá trị trong [1, 9]. Mô hình được khảo sát dựa theo hai tiêu chí: (i) mật độ xe và (ii) độ dài của vùng cần quan sát. Giá trị mật độ
Bảng 2. Thời gian cho đèn xanh với độ dài vùng quan sát là 10111
L0
Thời gân cho đèn tín hiệu (giây)
1
3
5
7
9
Thời gian cho đèn tín hiệu (giây)
1
20-20
30-40
30-45
17-70
17-75
3
40-30
30-30
30-40
17-60
17-65
5
45-30
40-30
35-35
30-45
30-55
7
70-17
60-17
45-30
20-20
30-35
9
75-17
65-17
55-30
35-30
35-35
Bảng 3. Thời gian cho đèn xanh với độ dài vùng quan sát là 20111
L0
Thời gân cho đèn tín hiệu (giây)
1
3
5
7
9
Thời gian cho đèn tín hiệu (giây)
1
16-16
25-35
30-50
25-60
17-75
3
35-25
32-32
30-45
20-60
17-65
5
50-30
45-30
30-30
30-50
30-60
7
60-25
60-20
50-30
20-20
30-45
9
75-17
65-17
60-30
45-30
35-35
có 5 mốc lần lượt là: 1, 3, 5, 7 và 9. Giá trị độ dài vùng quan sát được khảo sát theo 2 mốc: 10111 và 20111. Chốt giao thông có 2 tuyến đường với các giá trị mật độ xe giống hoặc khác nhau, do đó sẽ có 50 trường hợp cần được khảo sát. Trong mỗi trường hợp được thực hiện 10 lần với thời gian chạy cho mỗi lần là 20 phút. Như vậy, sẽ có 500 thực nghiệm được khảo sát. Kết quả được thống kê trong Bảng 2 và Bảng 3. Kết quả này cho thấy, khi mật độ xe trên 2 tuyến đường bằng nhau, thời gian đền xanh khoảng 16-35 giây, gần giống như cơ chế định thời. Khi mật độ xe chêch lệch nhau thì tuyến đường nào có lưu lượng xe đông sẽ có thời gian đèn xanh dài hơn. Thời gian đèn xanh tối thiểu là 19:1 giây và đối đa là 75±4 giây. Ngoài ra, kết quả. cũng phản ánh được bộ điều khiển mờ trên hai tuyến đường có vai trò như nhau. Diều này tạo ra nhiều thuận lợi khi triển khai mô hình trong thực tế. Từ Bảng 2 và Bảng 3 ta. thấy nếu quang trường quá. ngắn, hệ thống sẽ hoạt động ít hiệu quả. khi không có sự chêch lệch lớn về thời gian giữa. 2 tuyến đường, trong khi sự chêch lệch về mật độ phương tiện giao thông là khá. cao.
So sánh giữa hai cơ chế: định thời và thông minh
Mô phỏng được thực hiện với cùng các tham số đầu vào, thời gian đền xanh (cho cơ chế định thời) là. 30 giây ở cả. 2 tuyến đường, độ dài quang trường (phạm vi qua.11 sát của. camera.) là. 20111, hình ảnh được chụp sau khi đền đỏ được bật lên 2 giây và. độ dài đoạn đường cần khảo sát trong khoảng 830-850111 (tính từ vị trí đặt đền đỏ trở về trước). Tương ứng với mỗi giá. trị mật độ của. 2 tuyến đường (L0-L1) sẽ có 30 chu kỳ được thực hiện, trong đó mỗi chu kỳ bắt đầu khi đền tín hiệu chuyển sang đỏ ở làn đường Ll. Ngoài ra., ta. qui ước gọi làn đường thẳng đứng là đường 0 (L0) và làn đường nằm ngang là đường 1 (Ll).
Tình hình giao thông nước ta. chưa, có sự phân luồng rõ ràng, do đó để phản ánh được kết quả. mô phỏng, nghiên cứu này thực hiện ước lượng tương quang về số lượng xe tối đa. trong phạm vi 100111 trên thực tế như sau: (i) giả sử độ dài của. xe máy là 2111, trong làn đường qui 
định sẽ có tối đa 3 xe máy đang chờ. Như vậy, trong phạm vi 100111 có khoảng tối đa 140-160 xe máy đang chờ; (ii) độ dài ước lượng cho xe hơi là 3111 và xe tải là 4111. Như vậy sẽ có từ 50-70 xe 4 bánh trong phạm vi xem xét. Từ giả thuyết này, mô phóng sẽ có từ 140-160 xe máy và từ 50-70 xe bốn bánh trong phạm vi 100111. Nếu qui ước một xe bắt đầu ở trạng thái chờ khi không di chuyên (vận tốc bằng 0) thì ta có thời gian chờ của mỗi tuyến đường được tính bằng cách lấy tổng số lượng xe đang chờ sau mỗi giây kẻ từ khi đen đó được bật, xác định bởi (4):
W = 60 X S	(4)
i=1
trong đó, W là tổng thời gian chờ (đơn vị là phút), Si là tổng số xe đang ở trạng thái chờ tại giây thứ i và N là tổng số giây của chu kỳ đèn đỏ.
Normal mode: waitingtime_ laneũ^B Intelligent mode: waitingtime_ laneũ Normal mode: waitingtime_ lanel ■ Intelligent mode: waitingtime_ lanel
Hình 1. Tổng thời gian chờ của 2 mô hình có sự thay đổi mật độ
Hình 7 cho thấy sự khác biệt về tổng thời gian chờ của 2 mô hình. Thời gian này được tính trong chu kỳ ngay trước khi mật độ của 2 tuyến đường chuyên sang giá trị mới. Hình 8 minh họa biẻu đồ khảo sát số lượng xe trên đoạn đường tính từ vị trí đặt đen giao thông trở về trước. Các biẻu đồ so sánh cho thấy đối với cơ chế định thời, khi lưu lượng xe không được giải tóa hết trong 1 chu kỳ, số lượng xe chờ sẽ được tích luỷ và ngày càng tăng theo thời gian. Trong khi đó, đối với mô hình hoạt động theo cơ chế thông minh, thời gian đen xanh ở tuyến đường có lưu lượng xe cao khá dài, do đó số lượng xe chờ được giảm đi một cách đáng kẻ. Điều này là một trong những nhân tốt quan trọng giúp giảm nguy cơ ùn tắc giao thông.
a) Tổng số xe đang chờ trên từng tuyến đường có sự thay đổi mật độ
, Normal mode: Total of waited vehicle —»— Intelligent mode: Total of waited vehicle
b) Tổng số xe đang chờ trên cả hai tuyến đường có sự thay đổi mật độ
Hình 8. Tổng số xe đang chờ của 2 mô hình có sự thay đổi mật độ
Ngoài ra, kết quả mô phóng cũng cho thấy, khi các tuyến đường có lưu lượng xe ít hoặc gần bằng nhau, thì hoạt động của cơ chế định thời và cơ chế thông minh tương tự nhau. Tức là, mô hình đề xuất trong nghiên cứu này tó ra hiệu quả hơn khi áp dụng cho các tuyến đường có lượng xe tham gia lưu thông lớn hoặc có mật độ xe chênh lệch đáng ke.
KẾT LUẬN VÀ ĐỀ NGHỊ
Nghiên cứu đã đề xuất một giải thuật đơn giản trong việc ước lượng mật độ phương tiện lưu thông trên đường và điều khiên mờ được một chốt giao thông thông minh cho một mô hình ngã tư. Kết quả mô phóng cho thấy, mô hình đen giao thông thông minh có ưu diêm vượt trội so vói mô hình định thời. Khi độ chệch lệch về lưu lượng xe ở hai tuyến đường khác nhau, mô hình điều khiển thông minh sẽ tự điều chỉnh thời gian chờ thích hợp. Do đó, thời gian chờ của mỗi phưong tiện đã được giảm đáng kể. Mở ra một khả năng triển khai mô hình thực tế, góp phần làm giảm tình trạng ùn tắt giao thông gây ra nhiều thiệt hại về kinh tế, xã hội và môi trường hiện nay.
TÀI LIỆU THAM KHẢO
C.C.Lee, Fuzzy logic in control system: fuzzy logic controller - Part I & II, IEEE Trans, on Systems, Man and Cybernetics 20 (2) (Mar/Apr. 1990) 404-435.
w. Choi, H. Yoon, K. Kim, I. Chung, and Lee, A traffic light controlling FLC considering the traffic congestion. In Pal, N. and Sugeno, M., editors, Advances in Soft Computing - AFSS 2002, Proc. Inter. Conference on Fuzzy Systems, 2002 (69—75).
G.H.Kulkarni, P.G. Waingankar, Fuzzy logic based traffic light controller, Proc. IEEE Conf. ICIIS 2007, Issue 9-11, Aug. 2007 (107-110).
c. P.Pappis, and E. H. Mamdani, A fuzzy logic controller for a traffic junction, IEEE Trans, on Systems, Man and Cybernetics SMC-7 (10) (Oct. 1977) 707-717.
SWARCO AG, Technical details: traffic light controller ACTROS, 220.M.o 03.10. EN. AF Printed in Germany.
K. K.Tan, M. Khalid and R. Yusof, Intelligent traffic lights control by fuzzy logic, Malaysian Journal of Computer Science 9 (2) (1996) 29-35.
M. Wiering, J.v. Veenen, J. Vreeken, and A. Koopman, Intelligent Traffic Light Control, Technical report UU-CS-2004-029, Utrecht University, The Netherlands, 2004.
R.Woesler, Real-time recognition and reidentification of vehicles from video data with high reidentification rate, Proc. 8th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2004), Orlando, Florida, USA. Edited by: Nagib Callaos, William Lesso, Ashraf Ahmad, Vol. VI, pp. 347-352, International Institute of Informatics and Systemics, ISBN 9806560-13-2, 2004.
Nguyễn Chí Ngôn, Nghiên cứu thiết kế hệ thống đèn giao thông thông minh, Tạp chí Khoa học-ISSN: 1859-2333 Đại học Cần Thơ, (15b) (2010) 56-63.
Lê Hùng Lân, “Nghiên cứu thiết kế, chế tạo các thiết bị phương tiện và hệ thống tự động kiểm tra, giám sát, điều hành phục vụ cho an toàn giao thông đường bộ”, Đề tài KC.03.5/06-10, 2007-2009, Đại học Giao Thông Vận Tải.
Thái Quang Vinh, Nghiên cứu, thiết kế, chế tạo các thiết bị thu GPS phục vụ các ứng dụng giám sát và điều khiển các đối tượng từ xa thông qua mạng điện thoại di động. Viện Công Nghệ Thông Tin, 2008-6/2011.
Nguyễn Chí Ngôn, Một giải pháp thiết kế hệ thống đèn giao thông thông minh, Kỷ yếu Hội nghị toàn quốc về ĐK và Tự động hóa, VCCA 2011, ISBN:978-604-911-020-7 (639-644).
Nguyễn Thanh Hải, “Nghiên cứu thiết kế, chế tạo thiết bị định vị vệ tinh phục vụ giám sát, quản lý phương tiện giao thông đường bộ, đường sắt”, Đề tài KC06.02/06-10, Đại học Giao Thông Vận Tải, 2010.
Phạm Hồng Quang, “Nghiên cứu, thiết kế chế tạo hệ thống tự động giám sát video và điều khiển từ xa trên cơ sở công nghệ cao có sử dụng linux”, Đề tài KC.03.01/06-10, Viện Toán Học, 2007-2009.
Rafael c.Gonzalez and Richard E.Woods, Digital Image Processing, second edition, PrenticeHall, New Jersey, 2002.
Ngày nhận bài 19 - 7 - 2012 Ngày lại sau sửa ngày 02 - 12 - 2012