【技术实现步骤摘要】
本专利技术涉及照明控制，尤其是涉及一种隧道照明智能控制方法及系统。
技术介绍
1、随着交通基础设施的不断发展，隧道作为重要的交通设施，其照明系统的性能和效率日益受到重视。隧道照明不仅关乎行车安全，还直接影响到能源消耗和运营成本。因此，对隧道的照明系统进行有效的控制是十分重要的。
2、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，其控制方式相对简单，通常按照设计的最大交通量进行分级控制。这种控制方式智能化程度不足，不能及时根据隧道环境的实际情况做出调整，导致电能浪费或照明效果不佳。同时，由于隧道照明的特殊性，在出入洞口时，驾驶员容易产生“黑洞”和“白洞”效应，影响行车安全。
3、为了提高隧道照明控制的智能化程度和效果，部分专家已探索并实践了一些基于机器学习算法和模糊理论的隧道照明控制方案，并取得了可观的成就。但是，隧道环境复杂多变，交通流量、车速以及隧道外的光线强度等因素均呈现出较强的随机性和不均匀性，而现有的隧道照明控制方法尚未对它们进行更为细致的考虑，导致隧道照明控制效果不尽如人意。此外，使用隧道外光线强度进行照明控制的方法也未能充分顾及光线对驾驶员视觉的潜在影响，无法有效缓解“黑洞”和“白洞”效应，从而进一步削弱了隧道照明控制的实际效果。
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供一种隧道照明智能控制方法及系统。
2、为了实现上述目的，第一方面，本专利技术提供了一种隧道照明智能控制方法，所述方法包括如下步骤：设定采集数据的时
3、可选地，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集，所述车速预测数据集包括多个第一车速预测数据集和多个第二车速预测数据集；
4、所述使用所述车流量数据建立车流量预测数据集，同时使用所述车速数据建立车速预测数据集包括如下步骤：
5、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据，同时对应的将所述车速数据划分为工作日车速数据和休息日车速数据；
6、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据集，同时根据所述休息日车流量数据构建多个所述第二车流量预测数据集；
7、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，同时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。
8、进一步的，将车流量和车速数据分为工作日和休息日两类，有助于更准确地捕捉交通流量的周期性变化，缓解交通流量和车速分布的随机性和不均匀性，进而提升照明控制的准确性。
9、可选地，所述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据集，同时根据所述休息日车流量数据构建多个所述第二车流量预测数据集包括如下步骤：
10、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车流量划分为多个工作日数据变化区间；
11、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集，进而得到多个所述第一车流量预测数据集；
12、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车流量划分为多个休息日数据变化区间；
13、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集，进而得到多个所述第二车流量预测数据集。
14、进一步的，通过时间维度划分数据变化区间，能够更准确地捕捉交通流量的周期性变化，为模型构建提供更可靠的数据支持，有利于使照明控制能够更灵活地适应交通流量的变化，减少因交通流量分布不均匀导致的照明不足或过度照明问题。
15、可选地，所述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，同时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括如下步骤：
16、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集，进而得到多个所述第一车速预测数据集；
17、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集，进而得到多个所述第二车速预测数据集。
18、进一步的，通过时间维度划分数据变化区间，能够更准确地捕捉车速的周期性变化，为模型构建提供更可靠的数据支持，有利于使照明控制能够更灵活地适应车速的变化，减少因车速分布不均匀导致的照明不足或过度照明问题。
19、可选地，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包括如下步骤：
20、对长短期记忆神经网络进行改进，得到数据预测网络；
21、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数据预测网络进行训练和验证，得到相应的所述车流量预测模型；
22、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数据变化区间内的车流量预测值；
23、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预测网络进行训练和验证，得到相应的所述车速预测模型；
24、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据变化区间内的车速预测值。
25、进一步的，本专利技术使用长短期记忆神经网络构建不同时间段的预测模型对车流量和车速进行预测，使得照明控制能够更灵活地适应交通流量的变化，提高照明控制的智能化程度，减少因交通流量不均匀导致的照明不足或过度照明问题，提升照明控制的准确性和可靠性。
26、可选地，所述对长短期记忆神经网络进行改进，得到数据预测网络包括如下步骤：
27、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式表示：
28、，
29、其中，y为所述数据趋势性提升模块输出的数据序列，为所述数据趋势性提升模块输出的数据序列中第j个数据，，n为输入所述数据趋势性提升模块的数据序列的长度，为输入所述数据趋势性提升模块的数据序列中第i个数据；
30、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，本文档来自技高网...
【技术保护点】
1.一种隧道照明智能控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种隧道照明智能控制方法，其特征在于：
3.根据权利要求2所述的一种隧道照明智能控制方法，其特征在于，所述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据集，同时根据所述休息日车流量数据构建多个所述第二车流量预测数据集包括如下步骤：
4.根据权利要求3所述的一种隧道照明智能控制方法，其特征在于，所述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，同时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括如下步骤：
5.根据权利要求4所述的一种隧道照明智能控制方法，其特征在于，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包括如下步骤：
6.根据权利要求5所述的一种隧道照明智能控制方法，其特征在于，所述对长短期记忆神经网络进行改进，得到数据预测网络包括如下步骤：
7.根据权利要求1所述的一种隧道照明智能控制方法，其特征在于，所述依据所述车流
8.根据权利要求7所述的一种隧道照明智能控制方法，其特征在于，所述图像融合函数满足如下关系：
9.根据权利要求7所述的一种隧道照明智能控制方法，其特征在于，所述图像可视性评价模型满足如下关系：
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括：数据采集设备、数据输出设备、处理器和储存器，所述储存器包括一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述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道照明智能控制方法。
...【技术特征摘要】
1.一种隧道照明智能控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种隧道照明智能控制方法，其特征在于：
3.根据权利要求2所述的一种隧道照明智能控制方法，其特征在于，所述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据集，同时根据所述休息日车流量数据构建多个所述第二车流量预测数据集包括如下步骤：
4.根据权利要求3所述的一种隧道照明智能控制方法，其特征在于，所述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，同时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括如下步骤：
5.根据权利要求4所述的一种隧道照明智能控制方法，其特征在于，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包括如下步骤：
6.根据权利要求5所述的一种隧道照明智能控制方法，其特征在于，所述对长短...
【专利技术属性】
技术研发人员：刘建兰，张田玉，陈艳玲，王原，王俊杰，王晓刚，轩彬彬，王岩，邓文辉，姚焰辉，裴昌伟，
申请(专利权)人：中交综合规划设计院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。