TEKNILLINEN KORKEAKOULU 
DIPLOMITYÖN TIIVISTELMÄ

Tekijä:		Ella Bingham  
Työn nimi:	Neurosumea liikennevalo-ohjaus 
English title:  Neurofuzzy Traffic Signal Control 
Päivämäärä:	1.9.1998 
Sivumäärä:	107
Osasto:		Teknillisen fysiikan ja matematiikan osasto 
Professuuri:	Mat-2  Sovellettu matematiikka
Työn valvoja:	Professori Harri Ehtamo 
Työn ohjaaja:	TkL Jarkko Niittymäki
Avainsanat:	sumea logiikka, neuraaliverkot, neurosumea, 
		vahvistava oppiminen, liikennevalojen ohjaus

Työn tavoitteena oli luoda sumea liikennevalojen ohjausjärjestelmä, jonka 
parametrit mukautuvat ympäröivään liikennetilanteeseen. Olemassaolevaan
sumeaan ohjausjärjestelmään lisättiin oppimisalgoritmi, jonka avulla 
järjestelmän parametreja hienosäädettiin erilaisiin liikennetilanteisiin
sopiviksi. Ohjausjärjestelmän tehokkuuden mittarina olivat ajoneuvojen
viiveet.

Sumea liikennevalojen ohjausjärjestelmä käyttää kielellisiä sääntöjä kuten
``jos saapuva liikennemäärä on suuri ja jonottava liikennemäärä on 
pieni, niin vihreä valo on pitkä''. Sumeat käsitteet suuri, pieni ja pitkä
esitetään jäsenyysfunktioiden avulla. 

Neuraaliverkot koostuvat yksinkertaisista laskentayksiköistä, jotka on 
yhdistetty toisiinsa verkoksi. Neurosumeassa liikennevalojen ohjauksessa 
jäsenyysfunktioiden parametreja hienosäädetään neuraaliverkon avulla.
Tässä työssä käytetty neuraaliverkon opetusalgoritmi on nimeltään
vahvistava oppiminen (reinforcement learning). Tarkasteltava neurosumea
järjestelmä on sellainen, että tavallisimpia neuraaliverkkojen 
opetusalgoritmeja ei voida käyttää.

Mukautuvaa liikennevalo-ohjausta tutkittiin liikennesimulaattorissa, johon 
sisältyy sumea valo-ohjausjärjestelmä. Neuraaliverkon opetusalgoritmi 
toteutettiin Matlab-ohjelmassa, joka vaihtaa tietoja liikennesimulaattorin 
kanssa.

Opetusalgoritmi toimii menestyksellisesti tilanteissa, joissa liikennemäärä
on vakio. Alkuperäiset jäsenyysfunktiot muuttuvat oppimisen myötä erilaisiksi 
eri liikennemäärillä. Oppimisen tuloksena saadut jäsenyysfunktiot tuottavat 
pienempiä viiveitä kuin alkuperäiset jäsenyysfunktiot. Sen sijaan 
opetusalgoritmi ei anna hyviä tuloksia tilanteissa, joissa liikennemäärä 
muuttuu nopeasti.

Diplomityössä tehtiin lisäksi pieni muutos sumean liikennevalojen 
ohjausjärjestelmän sääntökantaan. Muutoksen ansiosta ajoneuvojen viiveet
pienenivät merkittävästi pienillä liikennemäärillä.