Aplicaes da Lgica Fuzzy na Engenharia de Trfego Introduo Neste trabalho apresentamos a modelagem de controladores fuzzy como soluo para

problemas de engenharia de trfego. Foi escolhido utilizar lgica fuzzy porque uma tcnica de IA que resolve com maior eficincia uma classe de problemas onde difcil a obteno do modelo por parte do especialista. Ainda, este trabalho far a proposio das variveis lingsticas que modelam os problemas, as regras q comporo as mquina de inferncias e as sadas. Exemplo 1 - Sistema de aquisio de imagens

O sistema de aquisio de imagens controlado por um computador configurado com uma placa de aquisio e digitalizao de imagens, acoplada trs cmeras. Cada cmera supervisiona uma das trs pistas de uma rodovia. O sistema detecta a velocidade dos automveis na pista, adquirindo a imagem dos veculos que ultrapassam a velocidade permitida. A figura 1 mostra a arquitetura bsica do sistema.
Figura1: Componentes bsicos do Sistema

Componentes Detector de lao: Verifica o instante em que o carro passa em cada um dos dois pontos. Detector de velocidade: Faz o clculo da velocidade do carro. Microcomputador: Verifica se caso para multa, e qual multa aplicar. Placa de aquisio da imagem: Armazena a imagem. Descrio do Problema

Uma vez que o objetivo final do sistema aplicar multas sobre automveis que ultrapassam o limite de velocidade permitida, necessrio obter mxima preciso na leitura da placa do automvel a ser multado. Nem sempre as fotos permitem uma identificao precisa da placa do carro, devido a ma qualidade da imagem. Dois fatores so responsveis por esse problema: Dependendo da luz do dia (ou noite) e das condies climticas, a imagem do automvel pode ser capturada com brilho e contraste no adequados, resultando em erro na leitura da placa ou perda da imagem. Uma restrio de tempo precisa ser obedecida para captura da imagem. O sistema leva um determinado tempo para calcular a velocidade do automvel e decidir se sua imagem deve ser capturada ou no. Para obter a imagem mais rapidamente, o sistema est configurado para captar apenas meio quadro. Isso gera uma degradao na qualidade da imagem. Soluo que Utiliza Conjuntos Fuzzy A soluo proposta neste artigo para o problema descrito acima a de controlar algumas caractersticas do sinal de entrada de vdeo na placa de aquisio de imagem, tais como brilho e contraste, baseando-se em informaes sobre o horrio de captura da imagem (perodo), previso do tempo da regio (tempo) e luminosidade da imagem obtida anteriormente (concentrao). O objetivo do trabalho propor um modelo fuzzy das variveis envolvidas (brilho, contraste, perodo, tempo, concentrao) para controle de brilho e contraste do sinal de entrada de vdeo atravs de um controlador fuzzy. Entradas Varivel lingstica: perodo Universo de discurso: 0-24 horas Valores lingsticos: madrugada, manh, tarde, noite

Varivel lingstica: tempo Universo de discurso: 0-100 Valores lingsticos: chuvoso, nublado, ensolarado

Regras de inferncia Tempo Perodo Madrugada Manha Tarde Noite B=A B=A B=M B=A C=A C=M C=B C=A B=A B=M B=A B=A C=M C=A C=M C=M B=B C=B B=B C=M Chuvoso Nublado Ensolarado

B Brilho C Contraste B Baixo M Mdio A - Alto 1. If (perodo is madrugada) and (tempo is chuvoso) then (brilho is alto) 2. If (perodo is madrugada) and (tempo is chuvoso) then (contraste is alto) 3. If (perodo is madrugada) and (tempo is nublado) then (brilho is alto) 4. If (perodo is madrugada) and (tempo is nublado) then (contraste is medio) 5. If (perodo is manh) and (tempo is chuvoso) then (brilho is alto) 6. If (perodo is manh) and (tempo is chuvoso) then (contraste is medio) 7. If (perodo is manh) and (tempo is nublado) then (brilho is medio) 8. If (perodo is manh) and (tempo is nublado) then (contraste is alto) 9. If (perodo is manh) and (tempo is ensolarado) then (brilho is baixo) 10. If (perodo is manh) and (tempo is ensolarado) then (contraste is baixo) 11. If (perodo is tarde) and (tempo is chuvoso) then (brilho is medio) 12. If (perodo is tarde) and (tempo is chuvoso) then (contraste is baixo) 13. If (perodo is tarde) and (tempo is nublado) then (brilho is alto)

14. 15. 16. 17. 18. 19. 20.

If If If If If If If

(perodo (perodo (perodo (perodo (perodo (perodo (perodo

is is is is is is is

tarde) and (tempo is nublado) then (contraste is medio) tarde) and (tempo is ensolarado) then (brilho is baixo) tarde) and (tempo is ensolarado) then (contraste is medio) noite) and (tempo is chuvoso) then (brilho is alto) noite) and (tempo is chuvoso) then (contraste is alto) noite) and (tempo is nublado) then (brilho is alto) noite) and (tempo is nublado) then (contraste is medio)

Exemplo 2 - Controle Fuzzy de Trfego Nesse exemplo o controlador deve, ao analisar o fluxo de carros em uma determinada via, ou ainda, em um cruzamento, decidir se deve alterar o tempo normal do semforo, visando evitar a formao de engarrafamentos.

Entradas Varivel lingstica: chegada de veculos na luz verde. Universo de discurso: 0-10 veculos Valores lingsticos: quase nenhuma, pouca, muita, demais

Varivel lingstica: tamanho da fila na luz vermelha. Universo de discurso: 0-10 veculos.

Valores lingsticos: muito pequena, pequena, mdia, longa.

Sada Varivel lingstica: extenso do tempo de sinal verde. Universo de discurso: 0-10 segundos Valores lingsticos: muito curta, curta, mdia, longa

Regras de inferncia

Chegada Fila Muito pequena Pequena Media Longa

Quase nenhuma Muito curta Muito curta Muito curta Muito curta

Pouca Curta Muito curta Muito curta Muito curta

Muita Mdia Curta Muito curta Muito

Demais Longa Mdia Curta Muito

Exemplo de regra: Se chegada=quase nenhuma E fila muito pequena ento Extenso muito curta Possveis adaptaes Ao analisar esse exemplo, fica claro que o sistema deve ser adaptado de tempos em tempos ,pois o que era considerado como fluxo alto de automveis h 20 anos, certamente considerado como fluxo muito pequeno hoje em dia. Alm disso, pode ser feita alterao para se levar em conta o nmero de pedestres que estejam esperando para atravessar a pista. Concluso Apesar da pouca quantidade de variveis de entrada a utilizao da lgica difusa permite um resultado aceitvel, pois permite que o especialista trabalhe com imperfeies e imprecises, projetando um sistema que no seja 100% correto em todos casos, mas que ajuda bastante a melhorar a imagem capturada, no primeiro exemplo citado, ou para evitar formao de funil em pontos estratgicos, no segundo exemplo .