SISTEMA BASEADO EM REGRAS FUZZY PARA AVALIAÇÃO DO GRAU DE SEGURANÇA NO TRÂNSITO

Transcrição

1 SISTEMA BASEADO EM REGRAS FUZZY PARA AVALIAÇÃO DO GRAU DE SEGURANÇA NO TRÂNSITO SYSTEM BASED IN FUZZY RULES FOR EVALUATING THE DEGREE OF SAFETY IN ROAD Karen Yumi Sato, Luís Roberto Almeida Gabriel Filho, Camila Pires Cremasco Campus Experimental de Tupã Administração Palavras chaves: sistema computacional, agronegócio, aumento de velocidade. Keywords: computational system, agribusiness, increase speed. Introdução Favorecido pelo seu clima e seu tamanho territorial, o Brasil, hoje, é considerado um dos principais potenciais no ramo do agronegócio. Porém, a ineficiência do escoamento é o principal gargalo que uma cadeia produtiva pode apresentar já que este contribui significativamente na qualidade produto do final. Os principais agravos que podem ser destacados para este problema encontra-se no nível de chuva nas estradas e a velocidade em que o motorista se encontra ao dirigir seu caminhão. Desta forma, com o intuito de auxiliar não só o motorista, mas também a polícia estadual e regional, criou-se um modelo computacional capaz de determinar quando um motorista está sendo imprudente e quando uma multa pode ser aplicada eficazmente com a alta velocidade. Este sistema computacional visa auxiliar em uma maior eficiência nas aplicações de multas e conscientização dos motoristas. Ele foi baseado em fundamentos da lógica fuzzy e auxiliado pelo software Matlab. Nascida no ano de 1965, pelo matemático Lotfi Asker Zadeh, a lógica fuzzy surgiu como uma necessidade de inserir o conceito de dualidade dentro do cotidiano de modo a estabelecer que algo possa e deva existir de acordo com o seu aposto (SHAW, 1999). Desta forma, a adoção do sistema fuzzy proporciona não só uma abrangência dos resultados, mas também uma tomada de decisão de maneira mais ágil e eficaz. Sua utilização em aplicações que ponderem diversas variáveis pode ser extremamente eficaz como na determinação da prudência ou imprudência do motorista sob as condições do clima em que está sujeito e no aumento de velocidade. Objetivos Este presente estudo tem como objetivo principal auxiliar o sistema de segurança do motorista para determinação do grau de risco no trânsito de acordo com as variáveis velocidade e nível de chuva na estrada, utilizando para isto fundamentos da lógica fuzzy auxiliado pelo sistema Toolbox fuzzy pertencente ao software Matlab 7.0 Materiais e Métodos Sistema da lógica fuzzy auxiliado pelo software Matlab O presente estudo teve seus resultados baseados em uma projeção computacional do sistema fuzzy, bem como a criação de superfícies representativas deste sistema, foi realizada com a utilização do Toolbox fuzzy pertencente ao software Matlab 7.0. O sistema baseado em em regras fuzzy possui quatro componentes: um processador de entrada (ou fuzzificador), um conjunto de regras lingüísticas, um método de inferência fuzzy e um processador de saída (ou defuzzificador), gerando um número real como saída (RIBACIONKA, 1999).

2 O conjunto de regra fuzzy de ambas as variáveis de entrada (nível de chuva e a velocidade do carro) foi denominada de forma triangular, representada figurativamente abaixo onde o intervalo [a,c] compõe a sua base, como único vértice fora da base, o ponto (b,1). Deste modo, os números reais, e definem o número fuzzy triangular (Figura 1). Figura 1. Modelo Triangular do sistema Fuzzy. Aplicação do método fuzzy na determinação do grau de segurança do motorista O resultado do estudo ( grau de segurança ) foi baseado nas médias dos valores extremos apresentados nas variáveis de entrada. A variável Velocidade obteve a média entre os valores extremos de [40 100] cujo o valor foi de 70. Desta forma pode-se estabelecer como grau de pertinência com suportes dados por [0 70], [40 100] e [70,5 200] para as respectivas variáveis lingüísticas Baixa, Média e Alta. Para a variável Nível de chuva foi obtida uma média de valores extremos de [0 10] cujo o valor foi de 5, vale ressaltar que tal score parte do pressuposto que 0 representa ausência de chuva e 10 representa chuva muito intensa. Deste modo foi possível criar as funções de pertinência das variáveis lingüísticas Baixa, Média e Alta com suportes das coordenadas [0 5], [0 10] e [5 10] respectivamente. A função de pertinência de saída, denominada como Segurança foi construída de maneira simétrica, tendo termos lingüísticos Imprudente, Médio e Seguro. Resultados e Discussão As funções de pertinências para as variáveis de entrada e saída são ilustradas nas Figuras 2, 3 e 4. Elas representam graficamente quantos são as funções de pertinência de cada variável utilizado para isto bases de regras que correlacionou as duas variáveis de entrada determinando assim um resultado definitivo sobre a segurança do motorista. Tais regras foram elaboradas a partir dos seguintes princípios: (1.º) Independentemente do nível de chuva, se a velocidade for Baixa então o motorista é Seguro. (2.º) Para uma Média velocidade, o grau de segurança estará associado ao nível de chuva. (3.º) Caso a velocidade seja Alta, o motorista só terá um grau de prudência Médio se houver pouca chuva. Caso contrário, será classificado como Imprudente.

3 Figura 2. Funções de pertinência dos conjuntos fuzzy "Baixa", "Média" e "Alta" para a variável "Velocidade". Figura 3. Função de pertinência dos conjuntos fuzzy "Baixa", "Média" e "Alta" para a variável "Nível de chuva". Através do método de inferência de Mandani foi possível criar uma simulação geral de todos os pontos pertinentes do domínio. A Figura 6 demonstra o mapa de contorno desenvolvido pelo software. Nele percebe-se que a variável velocidade é o termo decisivo para a segurança do motorista. Quanto menor a velocidade e menor o nível de chuva mais prudente é o motorista. Porém, mesmo que haja um mínimo no nível de chuva, o motorista poderá se tornar imprudente desde que este esteja dirigindo em alta velocidade. Portanto na área em vermelho o nível de segurança do motorista é considera Seguro, na área em azul claro ele é Médio enquanto que na azul escuro ele é considerado Imprudente.

4 Figura 4: Função de pertinência do grau de segurança. Figura 5. Mapa de contorno da superfície de grau de risco. Conclusões Deste modo, o trabalho realizado teve como intuito demonstrar qual a importância das variáveis velocidade e nível de chuva na segurança do motorista, utilizando para isso métodos da lógica fuzzy, uma vez que este facilita na manipulação em computadores. Assim, o presente estudo pode auxiliar motoristas no conhecimento sobre sua imprudência em relação à velocidade e presença de chuva, também tornando-se o método uma excelente ferramenta ao administrador de frotas na repreensão, suspensão ou treinamento de motoristas da empresa. Referências AMENDOLA, M., SOUZA, A. L. Manual do uso da teoria dos conjuntos fuzzy no MATLAB 6.1. Faculdade de Engenharia Agrícola-Unicamp, Campinas, p. MALUTTA, César. Método de apoio à tomada de decisão sobre adequação de aterros sanitários utilizando a Lógica Fuzzy p. Tese (Doutorado em Engenharia de Produção) Programa de Pós-Graduação em Engenharia de Produção, UFSC, Florianópolis SC, SHAW, I. S.; SIMÕES, M. G. Controle e Modelagem Fuzzy.Editora Edgard BlucherLtda, 1999, 1º Edição.

5