Trafik Sinyalizasyon Sisteminde Akıllı Kavşak Kontrolü

Yıl 2021, Sayı: 28, 312 - 319, 30.11.2021

Nihat Pamuk

https://doi.org/10.31590/ejosat.998887

Cited By: 1

Öz

Son yıllarda artan nüfus artışıyla birlikte, bazı bölgelerde trafik yoğunluğu artışı da oluşmaktadır. Büyük şehirlerde nüfusa bağlı olarak yapımına başlanılan yeni yollarla birlikte kavşaklardaki trafik yoğunluğu da artış göstermekte, bu durum büyük şehirlerde çözülmesi gereken trafik problemleri haline dönüşmektedir. Günümüzde oluşan trafik yoğunluğu sebebiyle, araçların bir noktadan başka bir noktaya giderken karşılaşabilecekleri gecikme sorunlarının tespiti için farklı veriler kullanılmaktadır. Gecikme, kavşaklarda bulunan trafik lambaları için en uygun sürenin belirlenmesi ve bu noktalardaki vasıtaların yoğunluklarının tespitinde kullanılan en önemli faktörlerden birisidir. Bu durum trafiğin yoğun olarak oluştuğu bölgelerde çözüm üretme aşamasında yetersiz kalmaktadır. Bundan dolayı trafik yoğunluğu, kırmızı ışıkta bekleme süreleri ve beklemekte olan vasıta sayısı ile trafik sinyalizasyon sistemlerinin tasarımında kritik öneme sahip değişkenler olarak belirlenmektedir. Bu çalışmada bir kavşaktaki trafik ışıklarının zamanlama sürelerinin ve araç yoğunluğu problemlerinin çözümü ele alınmıştır. Yapılan uygulama ile trafik yoğunluğu, kırmızı ışıkta bekleme süreleri, kırmızı ışıkta bekleyen vasıta sayısı verileri değişken olarak bir model üzerinde kullanılarak örnek bir sinyalizasyon yöntemi sunulmuştur.

Anahtar Kelimeler

Trafik ışıkları, Akıllı kavşak, Sistem modelleme, Sinyalizasyon, Arduino, Sensör

Smart Intersection Control in Traffic Signaling System

Öz

Along with the increasing population growth in recent years, there has been an increase in traffic density in some regions. The traffic density at the intersections increases with the new roads that are started to be built in big cities depending on the population, and this turns into traffic problems that need to be solved in big cities. Due to the current traffic density, different data are used to determine the delay problems that vehicles may encounter while traveling from one point to another point. Delay is one of the most important factors used in determining the most appropriate time for traffic lights at intersections and determining the densities of vehicles at these points. This situation is insufficient in producing solutions in regions with heavy traffic. Therefore, traffic density, waiting times at red lights and the number of vehicles waiting are determined as critical variables in the design of traffic signaling systems. In this study, the timing of traffic lights at an intersection and the solution of vehicle density problems are discussed. With the application, an exemplary signaling method is presented by using the data of traffic density, waiting times at red light, number of vehicles waiting at red light as variables on a model.

Anahtar Kelimeler

Traffic lights, Smart intersection, System modeling, Signaling, Arduino, Sensor

Kaynakça

• Avani, P., Sawant, M.K., Sawant, S., Deshmukh, R.S. (2017). A review on adaptive traffic controls systems. International Journal of Latest Engineering and Management Research (IJLEMR), ISSN: 2455-4847, 2(1), 52-57.
• Azimirad, E., Pariz, N., & Sistani, M.B.N. (2010). A novel fuzzy model and control of single intersection at urban traffic network. IEEE Systems Journal, 4(1), 107-111, doi: 10.1109/JSYST.2010.2043159.
• Balta, M., Özçelik, İ. (2019). Şehir içi kavşak yönetim sistemleri için SDN temelli bir VANET mimari önerisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 34(3), 1451–1468, doi:10.17341/gazimmfd.460544.
• Dağüstü, H.Ş. (2010). Trafik yönetiminde kavşak trafiğinin kontrolü için bir sinyal zamanlama modeli. Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, İstanbul, Türkiye.
• Firdous, M., Din Iqbal, F.U., Ghafoor, N., Qureshi, K., & Naseer, N. (2019). Traffic light control system for four-way intersection and T-crossing using fuzzy logic. IEEE International Conference on Artificial Intelligence and Computer Applications (ICAICA’19), 178-182, doi:10.1109/ICAICA.2019.8873518.
• Gonca, C.K., Gülsün, B. (2019). Adaptif trafik yönetim sistemleri. OHS Academy İş Sağlığı ve Güvenliği Akademi Dergisi, 2(1), 32–40.
• Güler, Z. (2013). Akıllı trafik kontrol sistemi. Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara, Türkiye.
• Hoyer, R., Jumar, U. (1994). Fuzzy control of traffic lights. Proc. IEEE International Conference on Fuzzy Systems, 1526-1531.
• Kelsey, R., Bisset, K., & Jamshidi, M. (1993). A simulation environment for fuzzy control of traffic systems. IFAC Proceedings, 26(2), 753-756.
• Kim, Jongwan. (1997). A fuzzy logic control simulator for adaptive traffic management. Proc. IEEE International Conference on Fuzzy Systems, 1519-1524.
• Lei, C., Guojiang, S., Wei, Y. (2006). The traffic flow model for single intersection and its traffic light intelligent control strategy. 6th World Congress on Intelligent Control and Automation doi:10.1109/WCICA.2006.1713650, 8558-8562.
• Niittymaki, P., Jarkko. (1997). Isolated traffic signals-vehicle dynamics and fuzzy control. Ph.D. Thesis, Helsinki University of Technology, Civil and Environmental Engineering, Finland.
• Ozkaya, U., & Seyfi, L. (2016). A novel fuzzy logic model for intelligent traffic systems. Electronics World, 122(1960), 36-39.
• Öztürk, Z., Çalış, E. A. (2017). Monoray ulaşım sisteminin özellikleri ve diğer kentiçi ulaşım araçları ile karşılaştırılması. İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, İstanbul, Türkiye.
• Pappis, C.P., Mamdani, E.H. (1977). A fuzzy logic controller for a traffic junction. IEEE Transactions on systems, Man and Cybernetics, 707-717.
• Ramzanzad, M., & Rashidy Kanan, H. (2013). A new method for design and implementation of intelligent traffic control system based on fuzzy logic using FPGA. 13th Iranian Conference on Fuzzy Systems (IFSC), 1-4. doi:10.1109/IFSC.2013.6675630.
• Samadi, S., Rad, A.P., Kazemi, F.M., Jafarian, H. (2012). Performance evaluation of intelligent adaptive traffic control systems: A case study. Journal of Transportation Technologies, http://dx.doi.org/10.4236/jtts.2012.23027, 2(1), 248-259.
• Tataru, A.I., Druga, C.N. (2019). Designing and realization an ECG based the Arduino Mega 2560 development board. IOP Conferences Series: Materials Science and Engineering, Annual Session of Scientific Papers (IMT ORADEA’19), paper 568 (012081), doi:10.1088/1757-899X/568/1/012081.
• Tzes, A., McShane, Kim, S. (1995). Expert fuzzy logic traffic signal control for transportation networks. 65th Annual Meeting Instute of Transportation Engineers, Denver USA, 154-158.
• Tzes, A., Nikolakopoulos, G., Koutroulis, I. (2005). Development and experimental verification of a mobile client-centric networked controlled system. European Journal of Control, 11(3), 229–241.
• Tunç, A. (2003). Trafik Mühendisliği ve Uygulamaları. Asil Yayın Dağıtım.
• Yılmaz, M., Altınkaya H., & Ekmekci, D. (2019). Control of railway signalization between Zonguldak Ankara with neuro-fuzzy approach. Scientific Meeting on Electrical-Electronics & Biomedical Engineering and Computer Science (EBBT’19), 1-4. doi:10.1109/EBBT.2019.8741690.