CN119399964A 一种隧道照明智能控制方法及系统 （中交综合规划设计院有限公司）

司进而构建车流量预测模型和车速预测模型以获隧道照明控制影响因素的随机性和不均匀性进2设定采集数据的时间间隔，进而采集目标隧道的车流量数据和车速数使用所述车流量数据建立车流量预测数据集，同时使用所述根据所述车流量预测数据集构建车流量预测模型以获取车流量依据所述车流量预测值、所述车速预测值和所述洞外亮度制定隧道按照所述隧道照明方案对所述目标隧道进行所述车流量预测数据集包括多个第一车流量预测数据集和多个第二车流量预测数据所述使用所述车流量数据建立车流量预测数据集，同时使用所将所述车流量数据划分为工作日车流量数据和休息日车流量数根据所述工作日车流量数据构建多个所述第一车流量预测数根据所述工作日车速数据构建多个所述第一车速预测数据集，同速数据构建多个所述第二车速预测数据集。对所述工作日车流量数据进行分析，进而从时间维度将工作日使用所述工作日数据变化区间内的工作日车流量数据构建所述第一车流量预测数据对所述休息日车流量数据进行分析，进而从时间维度将休息日使用所述休息日数据变化区间内的休息日车流量数据构建所述第二车流量预测数据使用所述工作日数据变化区间内的工作日车速数据构使用所述休息日数据变化区间内的休息日车速数据构3分别使用各个所述第一车流量预测数据集和各个所述第二车流量预测数据集对所述利用各个所述车流量预测模型获取相应的所述工作日数据变化区间以及所述休息日分别使用各个所述第一车速预测数据集和各个所述第二车速预测数据集对所述数据利用各个所述车速预测模型获取相应的所述工作日数据变化区间以及所述休息日数在长短期记忆神经网络的输入端引入数据趋势性提升模块，得到初级数据预测网络，所述数据趋势性提升模块的功能可使用如下关系,使用麻雀搜索算法对所述数据预测网络的超参数寻优，进而得到终级数据预测网络，依据所述车流量预测值、所述车速预测值和所述洞外亮度在所述目标隧道入口的内部两侧墙面上对称设置两个相使用摄像头获取对侧所述圆形简单图片的图像并进行预处理在所述目标隧道外部按照所述圆形简单图片和所述摄像头在所述目标隧道入口处的根据图像融合函数将所述第一灰度图像和所述第二灰度图像融合得到第一融合图像，将所述第三灰度图像和所述第四灰度图像融合得使用图像可视性评价模型分别计算所述第一融合图像和所述第二融合图像的图像可4将所述第一可视性和所述第二可视性的比值记为可视相似性，若实时可视相似性处于所述可接受区间内，则将所述隧道照明若所述实时可视相似性不处于所述可接受区间内，则调整所述,mur列的像素点的灰度值，m,i为图像上从右至左第m列像素点，g1(k,mz,)为参与融合,10.一种隧道照明智能控制系统，其特征在于，所述的一种隧道照明智能控制系统包程序指令当被所述处理器执行时使所述处理器实现如权利要求1_9任意一项所述的一种隧5[0003]传统的隧道照明控制系统大多基于可编程逻辑控制器实现，其控制方式相对简获取车流量预测值，同时根据所述车速预测数据集构建车速预测模型以获取车速预测值；6所述车速数据划分为工作日车速数据和休息日车休息日车流量数据构建多个所述第二车流量[0009]可选地，所述根据所述工作日车流量数据构建多个所述使用所述工作日数据变化区间内的工作日车流量数据构建所述第一车流量预测使用所述休息日数据变化区间内的休息日车流量数据构建所述第二车流量预测根据所述休息日车速数据构建多个所述第二车速预测数据集包使用所述工作日数据变化区间内的工作日车速数据构建所述第一车速预测数据使用所述休息日数据变化区间内的休息日车速数据构建所述第二车速预测数据分别使用各个所述第一车流量预测数据集和各个所述第二车流量预测数据集对利用各个所述车流量预测模型获取相应的所述工作日数据变化区间以及所述休分别使用各个所述第一车速预测数据集和各个所述第二车速预测数据集对所述7利用各个所述车速预测模型获取相应的所述工作日数据变化区间以及所述休息,所述目标隧道入口的外部公路两侧对称设置在所述目标隧道外部按照所述圆形简单图片和所述摄像头在所述目标隧道入口根据图像融合函数将所述第一灰度图像和所述第二灰度图像融合得到第一融合使用图像可视性评价模型分别计算所述第一融合图像和所述第二融合图像的图8,融合的第一张图像上处于第k行第mur列的像素二张图像上处于第k行第m,u列的像素点的灰度值。,9在所有公式中出现的相同的符号或字母带表的[0028]在一个可选地实施例当中，请参见图1，本发明提供了一种隧道照明智能控制方速预测数据集。所述休息日车流量数据构建多个所述第二车流量预测数[0036]此步骤从时间维度划分数据变化区间并建立了多个第一车流量预测数据集和第区间内的工作日车流量数据构建第一车流量预测数据集。由于步骤S221划分了4个工作日稍微平缓一些。因此本实施例将休息日车流量划分为日间和夜间两个休息日数据变化区[0045]此步骤从时间维度划分数据变化区间并建立了多个第一车速预测数据集和第二根据所述车速预测数据集构建车速预测模型以获取数据序列中第j个数据，j=1,2,3,…,n，n为输入数据趋势性提升模块的数据序列的长据趋势性提升模块对输入长短期记忆神经网络的车流量数据序列或者车速数据序列进行[0056]S32、分别使用各个所述第一车流量预测数据集和各个所述第二车流量预测数据区间或者休息日数据变化区间中车流量的车流[0059]S33、利用各个所述车流量预测模型获取相应的所述工作日数据变化区间以及所[0061]S34、分别使用各个所述第一车速预测数据集和各个所述第二车速预测数据集对[0063]S35、利用各个所述车速预测模型获取相应的所述工作日数据变化区间以及所述值b中的较小值，Lms为目标隧道设计的最大亮度，Lmin为在设定目标隧道各段的照明亮度预设值时使用的洞外亮度为实时测量的洞外亮度。此外，使用实时测量的洞外亮度也能够在一定程度上解决目标隧道外光线强度变化的随机性对墙面上不满足对称设置图片的条件或者入口的外部公路两侧不满足对称设置摄像头的条[0079]S44、在所述目标隧道外部按照所述圆形简单图片和所述摄像头在所述目标隧道[0081]S45、根据图像融合函数将所述第一灰度图像和所述第二灰度图像融合得到第一融合的第一张图像上处于第k行第mur列的像素二张图像上处于第k行第m,u列的像素点的灰度值。[0085]S46、使用图像可视性评价模型分别计算所述第一融合图像和所述第二融合图像表明司机在进入目标隧道时越容易看到目标隧道内各种物体；能够反映圆形简单图片上的图案周围区域亮度的均匀性，越小表示图案周围区域亮度的均性评价模型计算的图像可视性能够更加全面的反映光线对司机段的照明亮度预设值，使用据步骤S41公开的公式调整第一过渡段和中间段的照明亮度预达到目标隧道设计的最大亮度，然后使用步骤S41公开的公式调整第一过渡段和中间段的段的照明亮度最终值即为隧道照明方案，使用该方案对目标隧道