Progettazione di un ambiente software per il monitoraggio ed il controllo del traffico autostradale

La congestione del traffico impone enormi costi nascosti agli automobilisti, dovuti all'aumento dei tempi di percorrenza, dei costi operativi e dei costi per gli incidenti. Recenti studi hanno stabilito che negli Stati Uniti il costo del traffico intenso supera i 75 miliardi di dollari l’anno, con circa 2 miliardi di ore perse. In Europa la situazione è ancora peggiore: si è calcolato che il costo in tempo, carburante, frastuono e inquinamento imputabile alla congestione del traffico supera i 100 miliardi di dollari. Senza contare i costi degli incidenti, che solo in Italia causano 270.000 feriti e 10.000 morti all’anno, e complessivamente un costo pari a 40.000 miliardi.

Considerate le cifre sopra enunciate, appare di fondamentale importanza perseguire la massima efficienza della rete autostradale: infatti anche un leggero miglioramento percentuale delle performance del sistema comporterà sostanziali risparmi all'utente in termini di costi operativi, di incidenti e tempi di viaggio.

Chiaramente il passaggio da una situazione caotica ad una di traffico ottimale è possibile solamente se l’uso ''spontaneo'' che oggi si fa delle infrastrutture è sostituito da azioni di controllo adatte, miranti a massimizzare il beneficio globale per tutti gli utenti. Il Ramp Metering è il mezzo più efficiente per ottenere tutto questo: brevi ritardi sulle rampe o sui raccordi sono il prezzo (per la verità molto basso) da pagare per ottenere migliori performances in tutta la rete.

Nella fase iniziale della ricerca sono stati perciò studiati alcuni metodi classici della Teoria dei Controlli Automatici, e le loro principali applicazioni in ambito autostradale:

Strategie di controllo su singola rampa (Demand-Capacity Control, Occupancy Control, Gap-Acceptance Merge Control, ALINEA);
Strategie di controllo su rampa multipla (METALINE).
Nell’ottica di ottimizzare il più possibile le strategie utilizzate negli algoritmi di controllo, nel presente lavoro di Tesi si sviluppa una procedura che, a partire da una qualsiasi struttura autostradale, è in grado di effettuare la sintesi automatica di un controllore di traffico in logica Fuzzy.

Infatti, se paragonato ad altre tecniche tradizionali di controllo, confrontabili per semplicità ed economicità ed usate in ambito industriale, come la tecnica PID, il controllo fuzzy risulta essere nella maggior parte dei casi più robusto (garantisce un funzionamento ottimale anche in presenza di incertezze sul sistema) e stabile (il comportamento del sistema perturbato è simile a quello nominale per perturbazioni sufficientemente piccole).

Poiché la modellizzazione fuzzy di un sistema non lineare tramite insiemi di regole linguistiche risulta generalmente complessa sia nell'aggiustamento degli insiemi fuzzy che nell'identificazione delle regole, si è deciso di adottare un approccio neurale al problema della sintesi automatica, in quanto questo tipo di strumento è ormai largamente utilizzato per le sue spiccate capacità interpolative, di classificazione e di approssimazione.

Il procedimento descritto può essere sinteticamente riassunto nei seguenti passi:

Determinazione della struttura su cui andrà ad agire il controllore;
Determinazione dei valori critici delle variabili di traffico;
Determinazione della legge di controllo da utilizzare per la costruzione del file di pattern;
Costruzione del file di pattern;
Sintesi automatica del controllore tramite reti neurali;
Esportazione del modello Fuzzy appena creato in ambiente Matlab, C, WARP, al fine di poterne verificare ed eventualmente modificare il comportamento in vista di una sua applicazione reale.
Non avendo a disposizione attrezzature adeguate per misurare le variabili di traffico sul manto autostradale e per testare gli effetti indotti dal controllore sulla rete, si è deciso di implementare lo strumento ottenuto all’interno di un microsimulatore.