3.5.4 Interface de déffuzification
Comme on l'a vu à la section précédente,
les méthodes d'inférences fournissent
Une fonction d'appartenance résultante ìRES(z)
pour la variable de sortie z. Il s'agit donc d'une information floue. Les
actionneurs actuels, utilisées dans les boucles de commande ne
s'accompagnent pas de ce genre de décision, il convient de la
transformer en une grandeur de commande précise : c'est le but de
l'étape de déffuzification.
RÉSULTATS ET DISCUSSION
Il est question dans ce travail de mettre sur pied un
système de prise de décision par logique floue susceptible de
gérer l'état du trafic routier auCameroun. Ainsi grâce
à ce système on pourra savoir sur l'état du trafic
dans la ville notamment sur les axes embouteillés et en priorité
l'axe Ndokoti-FGI en passant par PK8. Pour y parvenir, nous avons fait une
étude sur les causes de la congestion et leurs impacts dans la
société, puis une étude générale sur les
différents outils d'informations sur l'état du trafic
présent sur le marché, nous nous sommes appuyés sur leurs
limites pour élaborer notre cahier de charges.
Après l'analyse des données faisant office de
paramètre d'entrée de notre système Flou, l'ensemble du
travail a été reparti suivant quatre points à savoir :
définition des Input, des Output et des variables linguistiques,
Fuzzification,Base des règles floues et la Déffuzification.
À la suite des différents développements
présentés précédemment, cette partie quant
à elle vise en la présentation et l'évaluation des
résultats obtenus. À cet effet, les résultats seront
présentés suivant les données que nous avons eue
après notre descente sur le lieu-dit NDOKOTI correspondant aux
réalités observées pendant ces périodes-là,
cela reste valable pour les courbes obtenues.
| 
