Embedded system and fuzzy logic control of traffic signaling at consecutive intersections

Öz

In this study, the control of traffic signaling with embedded system and fuzzy logic was performed. Red light durations are optimized by recording the data at the traffic intensive intersections as traffic density data according to the days of the week and hours of the day. For the hours when the intensities are variable, the number of vehicles and waiting times are recorded in all branches of the intersections. Inspired by these data, a model for the intersection was created in the computer environment by creating the approximate number of vehicles entries. The fuzzy model used in simulation is the Mamdani method. The method used in defuzzification is the centroid, that is, the center of gravity. Achieved results and tables are given. Intersections to be used within the scope of the thesis will be interchanges that will come one after another. As a result of the comparisons between the method used in this study and the other methods, it was concluded that the fuel savings are higher, the mount, the amount of CO₂ prevented from being released is higher and the traffic flow is faster. It has been shown that an average of 455,844.78 liters of fuel can be saved per year for two consecutively selected intersections in total, and 46826 trees per year can be saved, together with the prevention of 1,030.2 tons of CO₂ emissions.

Anahtar Kelimeler

• Fuzzy Logic
• Embedded System
• Traffic Signalization
• STM32F4

Ardışık kavşaklarda trafik sinyalizasyonunun gömülü sistem ve bulanık mantıkla kontrolü

Öz

Bu çalışmada, trafik sinyalizasyonunun gömülü sistem ve bulanık mantıkla kontrolü yapılmıştır. Trafiğin yoğun olduğu ardışık kavşaklardaki veriler haftanın günlerine ve günün saatlerine göre trafik yoğunluğu verisi şeklinde kayıt edilerek kırmızı ışık süreleri optimize edilmiştir. Yoğunlukların değişken olduğu saatler için kavşakların tüm kollarında araç sayısı ve bekleme süreleri ölçülerek kayıt altına alınmıştır. Bu verilerden esinlenerek yaklaşık tahmini araç sayısı girişleri oluşturularak kavşak için bilgisayar ortamında bir model oluşturulmuştur. Simülasyonda kullanılan bulanık model Mamdani yöntemidir. Durulaştırmada kullanılan yöntem ise centroid yani ağırlık merkezleri yöntemidir. Ulaşılan sonuçlar ve tablolar verilmiştir. Tez çalışması kapsamında arka arkaya gelen kavşaklar kullanılmıştır. Bu çalışmada kullanılan yöntem ile diğer yöntemler arasındaki yapılan karşılaştırmalar sonucunda elde edilen yakıt tasarrufunun daha yüksek, salınımı önlenen CO₂ miktarının daha fazla ve trafik akışının daha hızlı olduğu sonucuna ulaşılmıştır. Toplamda ardışık seçilen iki kavşak için yılda ortalama 455.844,78 litre yakıt tasarrufu sağlanabileceği gösterilmiş, bu sayede 1.030,2 ton CO₂ salınımının önlenmesiyle birlikte yılda 46826 ağaç kurtarılabileceği gösterilmiştir.

Anahtar Kelimeler

• Bulanık Mantık
• Gömülü Sistem
• Trafik Sinyalizasyonu
• STM32F4

Kaynakça

1. Palandız T. Trafik Sinyalizasyonunun Çeşitli Parametrelere Göre Bulanık Mantıkla Kontrolü. Yüksek Lisans Tezi, Isparta Uygulamalı Bilimler Üniversitesi, Isparta, Türkiye, 2018.
2. Demirci O. Akıllı Trafik Sinyalizasyonu. Yüksek Lisans Tezi, Kocaeli Üniversitesi, Kocaeli, 2007.
3. Yeni İnsan. Acaba Kişisel Olarak Karbon Ayak İzim Ne Kadar? https://yeniinsanyayinevi.com/karbon-ayak-izi-olcumu/ (Erişim Tarihi: 07.10.2021).
4. Rolanti nedir motor rolantide ne kadar yakıt tüketir? https://www.sekizsilindir.com/2016/08/rolanti-nedir-motor-rolantide-ne-kadar.html (Erişim Tarihi: 04.05.2020).
5. Mediaclick. Bulanık mantık (Fuzzy Logic) nedir? https://www.mediaclick.com.tr/tr/blog/bulanik-mantik-fuzzy-logic-nedir (Erişim Tarihi: 12.09.2021).
6. BRCTurkiye. Çevre Dostu LPG. https://www.brcturkiye.com/haber/cevre-dostu-lpg (Erişim Tarihi: 12.10.2021).
7. TUİK. Motorlu Kara Taşıtları. https://data.tuik.gov.tr/Bulten/Index?p=Motorlu-Kara-Tasitlari-Aralik-2020-37410 (Erişim Tarihi: 29.09.2021).
8. Güler, Z. Akıllı Trafik Kontrol Sistemi. Yüksek Lisans Tezi, Hacettepe Üniversitesi, Ankara, 2013.

9. Dağüstü, H.Ş. Trafik Yönetiminde Kavşak Trafiğinin Kontrolü İçin Bir Sinyal Zamanlama Modeli. Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi, İstanbul, 2010.
10. Çakır, A., Çalış, H. & Dandıl, E. PLC Tabanlı Dinamik Trafik Sinyalizasyon ve Araç Hız Ölçüm Sistemi. Süleyman Demirel Üniversitesi, Isparta, 2009.
11. Jha, M. & Shukla, S. Design of fuzzy logic traffic controller for isolated intersections with emergency vehicle priority system using matlab simulation. https://arxiv.org/abs/1405.0936 (Erişim tarihi: 02.04.2021).
12. Üçüncüoğlu, M. S. İstanbul Kent İçi Trafik Yönetimi İçin Bir Mantıksal Mimari Plan Çalışması. (Yüksek Lisans Tezi, Bahçeşehir Üniversitesi, İstanbul, 2015.
13. Akbulut, H., Gürer, C., Yarcı, Ş., & Korkmaz, B. Determination of traffic light time at signalized intersections with fuzzy logic method. Jiciviltech, 1(1), 41-56, 2019.
14. Harb, A., Durdu, A. & Terzioğlu, H. Kavşak trafik sinyalizasyon kontrolü için bulanık mantık yöntemi ile gerçek zamanlı sistemin tasarımı ve uygulaması, Avrupa Bilim ve Teknoloji Dergisi, Özel Sayı, 490-497, 2019.
15. Gonca, C.K. & Gülsün, B. Adaptif trafik yönetim sistemleri, Dergi Park, 2(1), 32 – 40, 2019.
16. Şenol, R., Gençkal, A. A. & Tosun, M.F. Modern kontrol yöntemleri ile bulanık mantık temelli oda sıcaklık kontrolü, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23(3), 992-999, 2019.