Ứng dụng lôgic mờ xây dựng hệ thống điều khiển tín hiệu đèn giao thông thông minh

Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ IX “Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR'9)”; Cần Thơ, ngày 4-5/8/2016 
DOI: 10.15625/vap.2016.00097 
ỨNG DỤNG LÔGIC MỜ XÂY DỰNG HỆ THỐNG 
ĐIỀU KHIỂN TÍN HIỆU ĐÈN GIAO THÔNG THÔNG MINH 
Hoàng Thị Thanh Hà1, Kiều Anh Tuấn2, Lê Văn Lâm
3
1 Trường Đại học Kinh tế, Đại học Đà Nẵng 
2 Đại học Đà Nẵng 
3Đại học Cần Thơ 
ha.htt@due.edu.vn, kieuanhtuan89@gmail.com, lvlam@ctu.edu.vn 
TÓM TẮT — Hầu hết các hệ thống đèn tín hiệu giao thông ở nước ta hiện nay hoạt động dựa trên nguyên tắc định thời, với chu kỳ 
đóng mở đèn xanh-đỏ được thiết lập cố định tại các nút giao cắt. Điều này tỏ ra kém hiệu quả khi số lượng các phương tiện lưu 
thông trên các tuyến đường thường không đều nhau. Lượng xe trên tuyến đường có lưu lượng cao sẽ tích lũy theo thời gian, là một 
trong những nguyên nhân cơ bản dẫn đến tình trạng tắc nghẽn ngày càng trầm trọng. Nghiên cứu và phát triển hệ thống điều khiển 
tín hiệu đèn giao thông thông minh để có thể tự động điều khiển thời gian đèn xanh - đỏ linh hoạt dựa vào lưu lượng giao thông của 
từng tuyến đường theo thời gian thực là mục tiêu của bài báo. Chúng tôi đã xây dựng mô hình đa tác tử điều khiển tín hiệu đèn giao 
thông thông minh phân tán tại các nút giao cắt. Mô hình sử dụng thuật toán lôgic mờ để thay đổi linh hoạt khoảng thời gian đèn 
xanh/ đỏ một cách tối ưu, hạn chế thời gian chờ cho các phương tiện. Mô hình đã được cài đặt trên nền tảng Jade và tích hợp với 
platform mô phỏng hệ thống giao thông Sumo để có thể đánh giá mô hình so sánh với phương pháp truyền thống là chu kỳ đèn được 
thiết lập trước. 
Từ khóa— Đa tác tử, đèn giao thông thông minh, lôgic mờ, mô hình hóa và mô phỏng. 
I. ĐẶT VẤN ĐỀ 
Hiện nay, cơ sở hạ tầng giao thông (GT) ở nước ta chưa được phát triển tốt cùng với đó là sự gia tăng nhanh 
chóng số lượng các phương tiện tham gia (PTTGGT) đã gây nên tình trạng ách tắc GT một cách thường xuyên ở các 
tuyến đường huyết mạch của các thành phố lớn. Trong khi đó, hầu hết các hệ thống đèn tín hiệu GT ở nước ta hiện nay 
hoạt động dựa trên nguyên tắc định thời, với chu kỳ đóng mở đèn xanh-đỏ được thiết lập cố định cho các tuyến đường 
trên các nút giao cắt. Điều này tỏ ra kém hiệu quả khi số lượng các phương tiện lưu thông trên các tuyến đường thường 
không đều nhau. Với chu kỳ đèn tín hiệu cố định, số lượng xe trên tuyến đường có lưu lượng cao tại một thời điểm 
nhất định nào đó sẽ tích lũy theo thời gian, gây nên tình trạng dồn ứ tại một tuyến đường, còn tuyến đường còn lại thì 
lại thông thoáng. Đây cũng là một nguyên nhân cơ bản dẫn đến tắc nghẽn tại các điểm nút giao cắt có tín hiệu đèn. 
Điều này không chỉ gây lãng phí về thời gian, nhiên liệu mà còn ảnh hưởng xấu đến sức khỏe, tâm lý người dân và môi 
trường sinh thái. 
Công nghệ đa tác tử với các ưu điểm nổi bật về khả năng hoạt động tự chủ, có thể cảm nhận và tương tác với 
môi trường. Nó có thể thực hiện các xử lý thông minh thay thế cho con người để thực thi những công việc được giao. 
Các trụ tín hiệu đèn GT tại một điểm giao cắt có thể được coi như là các tác tử. Chúng có thể chia sẻ thông tin về luồng 
GT tại tuyến đường của nó với các trụ khác. Vấn đề đặt ra là với tại một thời điểm t nào đó, với số lượng các phương 
tiện tham gia GT hiện hữu thì thời gian đóng mở tín hiệu xanh-đỏ của các đèn là bao nhiêu để tối ưu hóa luồng GT, 
giảm tối đa tình trạng chờ của các PTTGGT, góp phần cân bằng trong việc điều chỉnh lưu lượng GT trên một khu vực 
rộng lớn hơn của mạng lưới đường bộ. 
Trong bài báo, chúng tôi giới thiệu mô hình đa tác tử điều khiển tín hiệu đèn GT thông minh dựa trên lý thuyết 
lôgic mờ. Mô hình này có khả năng đưa ra những quyết định thời gian đóng mở tín hiệu đèn một cách tự động theo thời 
gian thực dựa trên số lượng các PTTGGT thực tế. Bài báo có cấu trúc như sau: đầu tiên là phần đặt vấn đề, tiếp theo là 
phần tổng quan về các mô hình điều khiển tín hiệu đèn GT thông minh trên thế giới, phần ba là đề xuất mô hình đa tác 
tử điều khiển tín hiệu đèn GT thông minh. Phần tiếp theo là cài đặt thử nghiệm và đánh giá mô hình. Phần cuối cùng sẽ 
là thảo luận và kết luận. 
II. TỔNG QUAN CÁC MÔ HÌNH ĐIỀU KHIỂN TÍN HIỆU ĐÈN GIAO THÔNG THÔNG MINH 
 Xây dựng hệ thống điều khiển tín hiệu đèn GT là một trong nhưng vấn đề đáng quan tâm trong việc xây dựng 
hệ thống GT thông minh, giảm thiểu việc tác nghẽn GT ở các thành phố lớn. Các phương pháp thường được các nhà 
khoa học nghiên cứu và ứng dụng, đó là giải thuật di truyền [1], [2], lôgic mờ [3], [4] và gần đây nhất là hệ thống đa 
tác tử [5], [6], [7], [8]. 
2.1. Điều khiển giao thông sử dụng thuật toán di truyền 
Thuật toán di truyền dựa trên sự mô phỏng quá trình tồn tại của các cá thể trong quần thể. Các cá thể tốt sẽ tồn 
tại thông qua quá trình chọn lọc của tự nhiên và quần thể tồn tại sẽ tiến hóa dần về lời giải tối ưu. Thông thường các lời 
giải được mã hóa bằng các chuỗi gen. Giá trị của các gen có trong chuỗi được lấy từ bảng các ký tự ... sion is Z 
Chúng tôi đề xuất 5 giá trị đầu vào cho phần tử Arrival và 5 giá trị đầu vào cho phần tử Queue tức là sẽ có một 
ma trận kích thước là 5 và tập luật này sẽ có 25 phần tử để biễu diễn cho mối quan hệ của Arrival, Queue, Extension. 
Bảng 2 sẽ biểu diễn ma trận của tập luật trên. 
Bảng 2. Ma trận biểu diễn tập luật lôgic mờ 
Q\A AN F N MY TMY 
VS Z S M L TL 
S Z S M L L 
N Z Z S M L 
L Z Z Z S M 
TL Z Z Z Z S 
V. CÀI ĐẶT VÀ ĐÁNH GIÁ MÔ HÌNH TRÊN NỀN TẢNG MÔ PHỎNG 
5.1. Cài đặt mô hình đa tác tử bằng nền tảng Jade 
Bài báo chọn khu vực nghiên cứu là nút GT ngữ tư Lê Duẩn – Trần Phú – cầu Sông Hàn, trong đó tuyến 
đường Trần Phú là một chiều. Đây là một trong những điểm nóng về tắc nghẽn xe của thành phố Đà Nẵng. Nút GT này 
sẽ có 3 đèn GT ở 3 hướng là Lê Duẩn, Trần Phú và cầu Sông Hàn. Như vậy, sẽ có 3 tác tử đèn GT ở 3 hướng, 3 tác tử 
lưu trữ dữ liệu cho 3 tác tử đèn GT, 1 tác tử xử lý trung tâm và tác tử PTTGGT. Hình 9 biểu diễu sơ đồ lớp các tác tử 
trong hệ thống được cài đặt bằng nền tảng Jade [9]. Jade là một nền tảng hỗ trợ lập trình hướng tác tử. Chúng thiết lập 
sẵn các giao thức tương tác nền cho các tác tử. Jade cho phép lập trình phân tán cho các tác tử và có thể dễ dàng tạo các 
hệ thống nhúng nếu tác tử này thực sự được cài đặt lên các thiết bị phân tán [9]. 
Trong hệ thống có 3 tác tử chính là tác tử đèn GT, tác tử xử lý dữ liệu TDC của mỗi tác tử TLC, tác tử xử lý 
trung tâm TCC và cuối cùng là tác tử phương tiện GT. Mỗi tác tử sẽ có những thuộc tính và phương thức của chính nó 
thể hiện ở sơ đồ lớp Hình 9. 
Hình 9. Sơ đồ lớp các tác tử 
Hình 10. Cài đặt tác tử của khu vực nghiên cứu ở trong Jade 
Hoàng Thị Thanh Hà, Kiều Anh Tuấn, Lê Văn Lâm 799 
 Hình 10 biểu diễn các tác tử trong hệ thống được cài đặt vào Jade. Ví dụ TLCLeDuan là tác tử đèn GT ở hướng 
Lê Duẩn, tương ứng với nó sẽ có tác tử TDCLeDuan là tác tử lưu trữ dữ liệu của nó. 
5.2. Tích hợp tác tử Jade vào môi trường mô phỏng giao thông SUMO 
Để đánh giá mô hình, chúng tôi sẽ sử dụng hệ thống SUMO (Simulation of Urban Mobility) [8]. Đây là một hệ 
thống mã nguồn mở, cho phép thiết lập cơ sở hạ tầng GT cũng như cấu hình mô phỏng bằng đồ họa luồng GT nhằm 
kiểm tra cho các thuật toán và những mô hình nghiên cứu GT. Ngoài ra SUMO cung cấp API gọi là TraCI [8] để có thể 
giao tiếp với bên ngoài hệ thống. TraCI sử dụng giao thức TCP dựa trên kiến trúc Client-Server để kết nối với bên 
ngoài trong quá trình mô phỏng. 
Cơ sở hạ tầng giao thông cũng như thiết lập tham số mô phỏng đều được thiết kế trong SUMO. Cơ sở hạ tầng ở 
đây chính là ngã tư Lê Duẩn – Trần Phú – cầu Sông Hàn tại TP Đà Nẵng với 3 đèn GT ở 3 hướng là Lê Duẩn, Trần 
Phú và cầu Sông Hàn. 
Bằng phương pháp đếm thủ công, trong khoảng thời gian 30 giây vào giờ cao điểm là 17h00 ngày làm việc, lưu 
lượng xe tại nút giao cắt được biểu diễn trong Bảng 3. Với số liệu thực tế, hệ thống mô phỏng trong SUMO đã được 
xây dựng thể hiện ở Hình 11. Số liệu này cung cấp các xác suất sự xuất hiện xe 2 bánh hay 4 bánh, xác suất các hướng 
rẽ của các xe để mô phỏng đánh giá mô hình đề xuất ở phần 3. 
Hình 11. Môi trường mô phỏng dựa trên SUMO 
Bảng 3. Số lượng và tỉ lệ các phương tiện lưu thông các hướng 
Hướng xe đi Số xe 4 
bánh 
Tỉ lệ xe 4 
bánh 
Số xe 2 
bánh 
Tỉ lệ xe 2 
bánh 
Từ Lê Duẩn đi về hướng cầu Sông Hàn 10 24% 68 24.5% 
Từ cầu Sông Hàn đi về hướng Lê Duẩn 8 19.7% 86 31% 
Từ cầu Sông Hàn đi về hướng Trần Phú 3 7.5% 16 5.7% 
Trần Phú đi thẳng 9 22% 61 22% 
Trần Phú đi về hướng cầu Sông Hàn 11 26.8 46 16.8% 
Tổng số xe 41 100% 277 100% 
Muốn tích hợp những tác tử JADE vào trong SMO, bài báo sử dụng traSMAPI (Traffic Simulation Manager 
Application Programming Interface) [10]. TraSMAPI cung cấp một API giúp cho hệ thống bên ngoài có thể truy xuất 
vào SUMO theo thời gian thực (xem Hình 12). 
Hình 12. Mô hình ánh xạ tác tử Traffic Light từ Jade vào trong SUMO [10] 
800 ỨNG DỤNG LÔGÍC MỜ XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN TÍN HIỆU ĐÈN GIAO THÔNG THÔNG MINH 
5.3. Một số kịch bản mô phỏng để đánh giá mô hình 
Để thử nghiệm mô hình đa tác tử điều khiển tín hiệu đèn GT thông minh đã được cài đặt trong Jade, bài báo xây 
dựng 10 kịch bản, với mỗi kịch bản kéo dài trong 60 phút với số lượng các PTTGGT thay đổi 6 lần, mỗi lần kéo dài 10 
phút để đánh giá tính hiệu quả của việc thay đổi linh hoạt thời gian tín hiệu đèn của mô hình. Trong 7 kịch bản này, gọi 
tuyến đường Lê Duẩn và cầu Sông Hàn là (1), tuyến đường Trần Phú là (2), 7 kịch bản được mô tả như sau: 
- TH 1: Với lưu lượng giao thông vừa phải, số phương tiện ổn định trong vòng 60 phút cả hai tuyến (1) và (2). 
- TH 2, TH 3: Với lưu lượng giao thông vừa phải, số phương tiện ổn định trong vòng 60 phút ở tuyến (1). 
Tuyến (2) có sự thay đổi nhẹ số lượng phương tiện ở các khoảng thời gian khác nhau. 
- TH 4, TH 5: Với lưu lượng giao thông vừa phải, số phương tiện thay đổi nhẹ ở tuyến (1) trong các khoảng 
thời gian khác nhau. Số phương tiện ổn định trong vòng 60 phút ở tuyến (2). 
- TH 6: Với lưu lượng giao thông vừa phải, cả hai tuyến đều có số lượng phương tiện thay đổi ở các khoảng 
thời gian khác nhau. 
- TH 7: Với lưu lượng giao thông cao, số lượng phương tiện có nhiều thay đổi ở các khoảng thời gian khau ở 
tuyến (1). Số phương tiện ổn định trong vòng 60 phút ở tuyến (2). 
- TH 8: Với lưu lượng giao thông cao, số lượng phương tiện có nhiều thay đổi ở các khoảng thời gian khau ở 
tuyến (2). Số phương tiện ổn định trong vòng 60 phút ở tuyến (1). 
- TH 9: Với lưu lượng giao thông cao, số lượng phương tiện ở 2 tuyến đường có nhiều sự thay đổi ở những 
khoảng thời gian khác nhau. 
- TH 10: Với lưu lượng cao, số lượng phương tiện ở 2 tuyến đường ổn định trong khoảng thời gian 60 phút. 
Ở 6 trường hợp đầu tổng số lượng phương tiện ở 2 tuyến đường trong vòng 60 phút là không thay đổi là 5100 
phương tiện (tuyến 1 có 3600 phương tiện và tuyến 2 có 1800 phương tiện) và 4 trường hợp tiếp theo tổng số lượng 
phương tiện ở 2 tuyến đường cũng không thay đổi là 8100 phương tiện (tuyến 1 có 5400 phương tiện và tuyến 2 có 
2700 phương tiện). 
Bảng 4. Số lượng phương tiện trong 10 kịch bản mô phỏng 
Kịch 
bản 
Tuyến đường Lê Duẩn và 
cầu Sông Hàn (1) 
Tuyến đường Trần Phú (2) Biểu đồ biến thiên 
của 2 tuyến đường 
1 
600 – 600 – 600 – 600 – 
600 – 600 
(600 chiếc cho mỗi 10 
phút) 
300 – 300 – 300 – 300 – 300 
– 300 
(300 chiếc cho mỗi 10 phút) 
2 
600 – 600 – 600 – 600 – 
600 – 600 
(600 chiếc cho mỗi 10 
phút) 
200 – 300 – 400 – 400 – 400 
– 200 
(200 chiếc cho 10 phút đầu, 
400 cho 30 phút sau và 200 
cho 10 phút cuối) 
3 
600 – 600 – 600 – 600 – 
600 – 600 
200 – 200– 200 – 400 – 400 
– 400 
4 
500 – 600 – 700 – 700 – 
600 – 500 
300 – 300 – 300 – 300 – 300 
– 300 
5 
500 – 500 – 500 – 700 – 
700 – 700 
300 – 300 – 300 – 300 – 300 
– 300 
0
1
1 2 3 4 5 6
0
1000
1 2 3 4 5 6
1
2
0
1000
1 2 3 4 5 6
1
2
0
1000
1 2 3 4 5 6
1
2
0
1000
1 2 3 4 5 6
1
2
Hoàng Thị Thanh Hà, Kiều Anh Tuấn, Lê Văn Lâm 801 
6 
500 – 500 – 500 – 700 – 
700 – 700 
200 – 200 – 200 – 400 – 400 
– 400 
7 
600 – 600 – 600 – 1200 – 
1200 – 1200 
450 – 450 – 450 – 450 – 450 
– 450 
8 
900 – 900 – 900 – 900 – 
900 – 900 
300 – 300 – 300 – 600 – 600 
– 600 
9 
600 – 600 – 600 – 1200 – 
1200 – 1200 
300 – 300 – 300 – 600 – 600 
– 600 
10 
900 – 900 – 900 – 900 – 
900 – 900 
450 – 450 – 450 – 450 – 450 
– 450 
5.4. Đánh giá kết quả dựa trên mô phỏng 
Để đánh giá khả năng thực thi và hiệu suất của thuật toán lôgic mờ, chúng tôi so sánh kết quả của thuật toán 
lôgic mờ với phương pháp điều khiển tín hiệu đèn GT có thời gian được thiết lập trước và chọn tiêu chí đánh giá là số 
lượng phương tiện chờ ở ngã tư. 
Để thực hiện việc so sánh giữa 2 phương pháp, có một số điều kiện cần được thiết lập để đảm bảo tính đúng 
đắn của chương trình như là khi mô phỏng số lượng xe ở các tuyến đường của 2 phương pháp đều tương đồng nhau, 
chu kỳ đèn trước khi mở rộng của 2 phương pháp như nhau, thời gian mô phỏng giống nhau. Kết quả đánh giá dựa trên 
tiêu chí là số lượng phương tiện chờ tại nút giao cắt ở 2 phương pháp trên và được thể hiện qua Bảng 5. 
Bảng 5. Số lượng phương tiện tham gia và chờ đèn đỏ ở 2 phương pháp 
Kịch bản 
Số lượng tham gia Số lượng phương tiện chờ 
(đơn vị: phương tiện) (đơn vị: phương tiện) 
Lê Duẩn 
+ Cầu 
Sông Hàn 
Trần Phú 
Phương pháp 
Lôgic mờ 
Phương pháp 
Fixed Time 
Chênh lệch 
(Fixed Time – 
Fuzz Logic) 
 Tỉ lệ chờ Tỉ lệ chờ 
1 3600 1800 2485 46% 2897 54% 8% 
2 3600 1800 2689 50% 3292 60% 10% 
3 3600 1800 2574 48% 3174 58% 10% 
4 3600 1800 2308 43% 3156 58% 15% 
5 3600 1800 2289 42% 2970 55% 13% 
6 3600 1800 2463 46% 3291 61% 15% 
7 5400 2700 4455 55% 5615 59% 14% 
8 5400 2700 4215 52% 5543 68% 16% 
9 5400 2700 4491 55% 5742 70% 15% 
10 5400 2700 4140 51% 5075 62% 11% 
Khi số lượng phương tiện ở hai tuyến đường chạy ổn định tức là cân bằng nhau thì số lượng xe chờ ở đèn đỏ 
của 2 phương pháp không chênh lệch nhau nhiều như ở kịch bản 1, 2, 3, 10 và số lượng phương tiện chờ chênh lệch 
nhau khoảng 400 đến 800 phương tiện. Nhưng khi có một tuyến đường có sự tăng đột biến số lượng phương tiện thì 
phương pháp lo-gíc mờ tỏ ra hiệu quả hơn khi số lượng phương tiện chờ ở đèn đỏ giảm hơn nhiều so với phương pháp 
0
1000
1 2 3 4 5 6
1
2
0
2000
1 2 3 4 5 6
1
2
0
1000
1 2 3 4 5 6
1
2
0
2000
1 2 3 4 5 6
1
2
0
1000
1 2 3 4 5 6
1
2
802 ỨNG DỤNG LÔGÍC MỜ XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN TÍN HIỆU ĐÈN GIAO THÔNG THÔNG MINH 
thời gian được thiết lập trước như ở kịch bản 4, 5, 6, 7, 8, 9 và số lượng phương tiện chờ chênh lệch nhau khoảng 800 
đến 1200 phương tiện. 
Qua biểu đồ ở Hình 13, có thể nhận thấy rằng ở 10 kịch bản khác nhau đã đề xuất ở trên thì thuật toán lo-gíc 
mờ vẫn tỏ ra hiệu quả hơn so với bộ điều khiển có thời gian được thiết lập trước do có số lượng xe chờ ở ngã tư ít hơn. 
Số lượng phương tiện chờ ở ngã tư đã giảm khoảng 8% đến 16% khi áp dụng thuật toán lo-gíc mờ so với phương pháp 
thời gian thiết lập trước. Điều này cho thấy chỉ số tắc nghẽn GT tại ngã tư cũng giảm khi áp dụng thuật toán lo-gíc mờ. 
Hình 13. So sánh số lượng phương tiện chờ giữa 2 phương pháp theo 10 kịch bản 
VI. ĐÁNH GIÁ VÀ KẾT LUẬN 
Bài báo này đã nghiên cứu về các phương pháp điều khiển tín hiệu đèn GT thông minh, những đặc điểm riêng biệt 
của mỗi phương pháp và một số ưu điểm của nó. Chúng tôi đã đề xuất mô hình đa tác tử kết hợp với thuật toán lôgic 
mờ trong việc điều khiển tín hiệu đèn GT một cách tối ưu. Mô hình hệ thống đa tác tử này đã được cài đặt trên nền tảng 
Jade và đã được tiến hành mô phỏng trên phần mềm mô phỏng SUMO. Bài báo cũng đã đưa ra 10 kịch bản mô phỏng 
điển hình trong hệ thống GT với độ biến thiên số lượng PTTGGT cả hai tuyến đường. Dựa trên kết quả mô phỏng, 
chúng tôi đã đánh giá được tính hiệu quả của mô hình đề xuất. Sau khi thực hiện việc đánh giá chúng tôi thấy rằng, số 
lượng phương tiện chờ đã giảm tương đối khi sử dụng công nghệ đa tác tử kết hợp với thuật toán lôgic mờ. Đặc biệt là 
với trường hợp số lượng PTTGGT có sự đột biến lớn. Hướng mở sắp tới là sẽ nghiên cứu tính hiệu quả của mô hình 
trên tiêu chí về thời gian chờ trung bình của các PTTGGT tại các vị trí nút giao thông. Đồng thời, để đánh giá mô hình 
tương tác, các kịch bản về tính đồng bộ dữ liệu của các tác tử đèn trong trường hợp có sự cố về giao tiếp giữa tác tử 
trung tâm và các tác tử đèn sẽ được nghiên cứu và đề cập trong thời gian sắp tới. 
TÀI LIỆU THAM KHẢO 
[1] N. Benkheris, " Simulation and optimization of an isolated intersection with genetic algorithms," International Journal of 
Engineering Research & Technology, Vol.2 - Issue 11, 2013. 
[2] Leena Singh, Sudhanshu Tripathi, Himakshi Arora Amity, "Optimization for Traffic Signal Control Using Genetic Algorithm," 
School of Engg & Tech, Computer Sc. & Engg.deptt, 2009. 
[3] Kok Khiang Tan, Marzuki Khalid and Rubiyah Yus, "Intelligent traffic lights control by fuzzy logic," Intel Artificial 
Intelligence Center, Universiti Teknologi Malaysia Jalan Semarak 54100 Kuala Lumpur, 2007. 
[4] Z. STOTSKO, "Simulation of signalized intersection functioning with fuzzy control algorithm," Lviv Polytechnic National 
University, Institute of Engineering Mechanics and Transport, Electronic Machinery Construction Department, 2013. 
[5] A. Guerrero-Ibáñez, J. Contreras-Castillo, R. Buenrostro, A. B. Marti and A. Reyes Muñoz, "A Policy-Based Multi-Agent 
management approach for Intelligent Traffic-Light Control," Intelligent Vehicles Symposium (IV) IEEE., 2010. 
[6] K. Dresner, "A Multiagent Approach to Autonomous Intersection," Department of Computer Sciences, University of Texas at 
Austin University Station, Austin, TX78712 USA., 2008. 
[7] John France, "A Multiagent System for Optimizing Urban Traffic," John France (2003), A Multiagent Faculty of Computer 
Science University of New Brunswick Fredericton, NB, E3B5A3, Canada., 2003. 
[8] "Simulation of Urban Mobility," 2016. [Online]. Available:  
[9] G. Caire, "Jade tutorial jade programming for beginners," TILAB, formerly CSELT, 2009. 
[10] Guilherme Soares, Jose Macedo, Zafeiris Kokkinogenis, Rosaldo J. F. Rossetti, "An Integrated Framework for Multi-Agent 
Traffic Simulation using SUMO and JADE," Artificial Intelligence and Computer Science Lab Department of Informatics 
Engineering Fac, 2013. 
TH 1 TH 2 TH 3 TH 4 TH 5 TH 6 TH 7 TH 8 TH 9
TH
10
Fuzzy logic 2485 2689 2574 2308 2289 2463 4455 4215 4491 4140
Fixed time 2897 3292 3174 3156 2970 3291 5615 5543 5742 5075
0
1000
2000
3000
4000
5000
6000
7000
So sánh fuzzy lôgic và thời gian thiết lập trước 
Hoàng Thị Thanh Hà, Kiều Anh Tuấn, Lê Văn Lâm 803 
FUZZY LOGIC MODEL FOR 
INTELLIGENT TRAFIC LIGHT CONTROL 
Hoang Thi Thanh Ha, Kieu Anh Tuan, Le Van Lam 
ABSTRACT — Most system of traffic lights in Vietnam operate based on the principle of timing with fixed cycle of green and red 
light at intersections. This is not really efficient and flexible as the fact that the number of vehicles on the roads is often uneven. The 
amount of vehicles on high traffic routes will accumulate overtime, is one of the basic causes leading to serious congestion situation. 
This article demonstrates some researches and developments of intelligent traffic lights control system which can automatically 
control the timing of green and red lights flexibly based on traffic flow of each route in real time. We have built multi-agent model to 
control intelligent traffic lights at the intersections. The model uses fuzzy logic algorithms to dynamically change interval of green 
and red light in an optimal way, it also reduces the waiting time for vehicles. The model has been installed on Jade platform and 
integrated with SUMO traffic-simulation system to evaluate the efficiency of this new method and compare it to the traditional 
approach of which, the cycle of light is set fixed.