Abstract
The Saturation headway is a major parameter in estimating the intersection capacity and setting the signal timing. But Existing algorithms are still far from being robust in dealing with factors related to the variation of saturation headways at signalized intersections. So this study apply the fuzzy inference system using ANFIS. The ANFIS provides a method for the fuzzy modeling procedure to learn information about a data set, in order to compute the membership function parameters that best allow the associated fuzzy inference system to track the given input/output data. The climate conditions and the degree of brightness were chosen as the input variables when the rate of heavy vehicles is 10-25 %. These factors have the uncertain nature in quantification, which is the reason why these are chosen as the fuzzy variables. A neuro-fuzzy inference model to estimate saturation headways at signalized intersections was constructed in this study. Evaluating the model using the statistics of $R^2$, MAE and MSE, it was shown that the explainability of the model was very high, the values of the statistics being 0.993, 0.0289, 0.0173 respectively.
포화차두시간은 신호시간 설계와 교차로 용량추정에 있어서 중요한 변수 중에 하나이다. 그러나 현재의 기법은 신호교차로에서 포화차두시간에 영향을 미치는 요인들 중 정성적인 요인들을 다루기에는 부적절하다. 본 연구에서는 퍼지적 성격을 가진 정성적 인자인 강우조건과 주변 밝기정도를 선택하여 ANFIS를 이용해서 현장에서 관측된 관측치와 입 출력 데이터 집합의 학습을 통해 퍼지근사추론 모형을 구축하였다. 강우조건은 강우량에 따라 3개의 퍼지변수로, 주변 밝기정도는 2개의 퍼지변수로 구분하였다. 이렇게 구축된 모형의 예측력은 검증자료를 이용한 관측치와 추론치를 비교함으로써 평가되었다. 결정계수와 오차 및 분산정도를 나타내는 척도인 평균절대 오차(MAE)와 평균제곱근 오차(MSE)가 각각 0.993, 0.0289, 0.00173으로 나타나 본 모형의 설명력이 높은 것으로 평가 된다.
