CN104536415B - 一种公路隧道一体化联动节能技术控制方法 - Google Patents
一种公路隧道一体化联动节能技术控制方法 Download PDFInfo
- Publication number
- CN104536415B CN104536415B CN201410815537.3A CN201410815537A CN104536415B CN 104536415 B CN104536415 B CN 104536415B CN 201410815537 A CN201410815537 A CN 201410815537A CN 104536415 B CN104536415 B CN 104536415B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- information
- energy
- vcehicular tunnel
- saving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000010354 integration Effects 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000005188 flotation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 210000005036 nerve Anatomy 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Ventilation (AREA)
Abstract
本发明涉及蓝牙技术领域，尤其涉及一种公路隧道一体化联动节能技术控制方法，包括：获取隧道交通多参数预测***的信息和公路隧道信息；根据隧道交通多参数预测***的信息及所述公路隧道信息建立期望的控制参考值实时优化估计模型，输出期望控制值；将所述期望控制值输入机电设施联动优化节能控制器，输出期望控制指令；将所述期望控制指令发送至专家知识库推理智能决策模型进行决策，输出控制信号控制机电设施执行机构，本发明根据环境、气候、交通量与交通工况的实时变化，采取多参数预测***及专家知识库推理智能决策模型支持隧道机电设施的运行，实现一体化联动节能，提升设备综合效率。
Description
技术领域
本发明涉及蓝牙技术领域，尤其涉及一种公路隧道一体化联动节能技术控制方法。
背景技术
目前公路隧道机电***由通风、照明、监控、防灾、供配电等子***构成，这些设施是主要的能耗体，然而，由于设计、建设、技术等原因，这些子***各自独立，信息不能共享，不能够就已有的机电信息、交通信息、环境信息进行联动控制，浪费了资源信息的同时，还造成运营管理复杂，设备效率底下等问题。
发明内容
本发明的目的在于提出一种公路隧道一体化联动节能技术控制方法，能够实现一体化联动节能，提升设备综合效率。
为达此目的，本发明采用以下技术方案：
一种公路隧道一体化联动节能技术控制方法，包括：
获取隧道交通多参数预测***的信息和公路隧道信息；
根据隧道交通多参数预测***的信息及所述公路隧道信息建立期望的控制参考值实时优化估计模型，输出期望控制值；
将所述期望控制值输入机电设施联动优化节能控制器，输出期望控制指令；
将所述期望控制指令发送至专家知识库推理智能决策模型进行决策，输出控制信号控制机电设施执行机构；
其中，安装于隧道内的多个传感器将实时采集到的信号发送给多传感器参数信息融合模型，生成多传感器参数信息并反馈给所述隧道交通多参数预测***及所述机电设施联动优化节能控制器，形成闭环控制。
其中，所述专家知识库推理智能决策模型的工作方法为：
对所述期望控制指令进行预处理和数据类型分析，判断所述数据类型是否为结构化数据，若是，则建立推理模型，若否，则从专家知识案例库中提取现有模型，作为推理模型；
采用智能优化技术对所述推理模型进行优化，去除误差数据及小概率数据；
对优化后的推理模型进行多策略相似检索，得到多个解决方案；
从所述多个解决方案中选择一个方案，作为最终决策方案。
其中，得到多个解决方案之后，还包括：
对所述多个解决方案进行修正，并保存到所述专家知识案例库中。
其中，所述智能优化技术包括：学习优化、启发优化、蚁群寻优技术和禁忌搜索策略。
其中，所述公路隧道信息具体包括：车流量限值、车速限值、能见度限值、一氧化碳浓度限值和亮度限值。
其中，所述隧道交通多参数预测***的信息包括：机电信息、交通信息、环境信息和运营工况信息。
其中，所述期望控制值具体包括：能见度期望值、一氧化碳浓度期望值、交通拥挤时的排队长度期望值和车辆在隧道内的持续时间期望控制值。
其中，所述机电设施联动优化节能控制器包括：神经网络控制***、PLC控制器和专家知识库***。
其中，所述期望控制指令包括：风机、灯具优化组合及无级调控指令。
其中，所述安装于隧道内的多个传感器实时采集到的信号包括：能见度、一氧化碳浓度、交通拥挤时的排队长度、车辆在隧道内的持续时间、气象信号和车辆检测器信号。
本发明的有益效果为：一种公路隧道一体化联动节能技术控制方法，包括：获取隧道交通多参数预测***的信息和公路隧道信息；根据隧道交通多参数预测***的信息及所述公路隧道信息建立期望的控制参考值实时优化估计模型，输出期望控制值；将所述期望控制值输入机电设施联动优化节能控制器，输出期望控制指令；将所述期望控制指令发送至专家知识库推理智能决策模型进行决策，输出控制信号控制机电设施执行机构，本发明根据环境、气候、交通量与交通工况的实时变化，采取多参数预测***及专家知识库推理智能决策模型支持隧道机电设施的运行，实现一体化联动节能，提升设备综合效率。
附图说明
图1是本发明具体实施方式提供的一种公路隧道一体化联动节能技术控制方法流程图。
图2是本发明具体实施方式提供的专家知识库推理智能决策模型的工作方法流程图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
图1是本发明具体实施方式提供的一种公路隧道一体化联动节能技术控制方法流程图。
一种公路隧道一体化联动节能技术控制方法，包括：
步骤110、获取隧道交通多参数预测***的信息和公路隧道信息；
步骤120、根据隧道交通多参数预测***的信息及所述公路隧道信息建立期望的控制参考值实时优化估计模型，输出期望控制值；
步骤130、将所述期望控制值输入机电设施联动优化节能控制器，输出期望控制指令；
步骤140、将所述期望控制指令发送至专家知识库推理智能决策模型进行决策，输出控制信号控制机电设施执行机构；
其中，安装于隧道内的多个传感器将实时采集到的信号发送给多传感器参数信息融合模型，生成多传感器参数信息并反馈给所述隧道交通多参数预测***及所述机电设施联动优化节能控制器，形成闭环控制。
在本实施例中，根据环境、气候、交通量与交通工况的实时变化，采取多参数预测***及专家知识库推理智能决策模型支持隧道机电设施的运行，实现一体化联动节能，提升设备综合效率，降低灾害损失，使机电设施的协调控制朝着智能控制的方向发展。
如图2所示，在本实施例中，所述专家知识库推理智能决策模型的工作方法为：
步骤141、对所述期望控制指令进行预处理和数据类型分析，判断所述数据类型是否为结构化数据，若是，则建立推理模型，若否，则从专家知识案例库中提取现有模型，作为推理模型；
步骤142、采用智能优化技术对所述推理模型进行优化，去除误差数据及小概率数据；
步骤143、对优化后的推理模型进行多策略相似检索，得到多个解决方案；
步骤144、从所述多个解决方案中选择一个方案，作为最终决策方案。
其中，得到多个解决方案之后，还包括：
步骤145、对所述多个解决方案进行修正，并保存到所述专家知识案例库中。
在本实施例中，所述智能优化技术包括：学习优化、启发优化、蚁群寻优技术和禁忌搜索策略。
在本实施例中，所述多策略相似检索采用投票法(Vote)或Boosting算法，所述Boosting算法是一种提高任意给定学习算法准确度的方法。
在本实施例中，所述公路隧道信息具体包括：车流量限值、车速限值、能见度限值、一氧化碳浓度限值和亮度限值。
在本实施例中，所述隧道交通多参数预测***的信息包括：机电信息、交通信息、环境信息和运营工况信息。
在本实施例中，所述期望控制值具体包括：能见度期望值、一氧化碳浓度期望值、交通拥挤时的排队长度期望值和车辆在隧道内的持续时间期望控制值。
在本实施例中，所述机电设施联动优化节能控制器包括：神经网络控制***、PLC控制器和专家知识库***。
在本实施例中，所述期望控制指令包括：风机、灯具优化组合及无级调控指令。
在本实施例中，所述安装于隧道内的多个传感器实时采集到的信号包括：能见度、一氧化碳浓度、交通拥挤时的排队长度、车辆在隧道内的持续时间、气象信号和车辆检测器信号。
在本实施例中，数据可以划分为两大类。一类数据能够用数据或统一的结构加以表示，我们称之为结构化数据，如数字、符号；而另一类数据无法用数字或统一的结构表示，如文本、图像、声音、网页等，我们称之为非结构化数据。
以上所述仅为本发明的具体实施方式，这些描述只是为了解释本发明的原理，而不能以任何结构解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方法，这些结构都将落入本发明的保护范围之内。
Claims (9)
1.一种公路隧道一体化联动节能技术控制方法，其特征在于，包括：
获取隧道交通多参数预测***的信息和公路隧道信息；
根据隧道交通多参数预测***的信息及所述公路隧道信息建立期望的控制参考值实时优化估计模型，输出期望控制值；
将所述期望控制值输入机电设施联动优化节能控制器，输出期望控制指令；
将所述期望控制指令发送至专家知识库推理智能决策模型进行决策，输出控制信号控制机电设施执行机构；
其中，安装于隧道内的多个传感器将实时采集到的信号发送给多传感器参数信息融合模型，生成多传感器参数信息并反馈给所述隧道交通多参数预测***及所述机电设施联动优化节能控制器，形成闭环控制；
所述专家知识库推理智能决策模型的工作方法为：
对所述期望控制指令进行预处理和数据类型分析，判断所述数据类型是否为结构化数据，若是，则建立推理模型，若否，则从专家知识案例库中提取现有模型，作为推理模型；
采用智能优化技术对所述推理模型进行优化，去除误差数据及小概率数据；
对优化后的推理模型进行多策略相似检索，得到多个解决方案；
从所述多个解决方案中选择一个方案，作为最终决策方案；
数据可以划分为两大类,一类数据能够用数据或统一的结构加以表示，包括数字和/或符号；而另一类数据无法用数字或统一的结构表示，包括文本、图像、声音和/或网页。
2.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，得到多个解决方案之后，还包括：
对所述多个解决方案进行修正，并保存到所述专家知识案例库中。
3.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，所述智能优化技术包括：学习优化、启发优化、蚁群寻优技术和禁忌搜索策略。
4.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，所述公路隧道信息具体包括：车流量限值、车速限值、能见度限值、一氧化碳浓度限值和亮度限值。
5.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，所述隧道交通多参数预测***的信息包括：机电信息、交通信息、环境信息和运营工况信息。
6.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，所述期望控制值具体包括：能见度期望值、一氧化碳浓度期望值、交通拥挤时的排队长度期望值和车辆在隧道内的持续时间期望控制值。
7.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，所述机电设施联动优化节能控制器包括：神经网络控制***、PLC控制器和专家知识库***。
8.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，所述期望控制指令包括：风机、灯具优化组合及无级调控指令。
9.根据权利要求1所述的一种公路隧道一体化联动节能技术控制方法，其特征在于，所述安装于隧道内的多个传感器实时采集到的信号包括：能见度、一氧化碳浓度、交通拥挤时的排队长度、车辆在隧道内的持续时间、气象信号和车辆检测器信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410815537.3A CN104536415B (zh) | 2014-12-24 | 2014-12-24 | 一种公路隧道一体化联动节能技术控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410815537.3A CN104536415B (zh) | 2014-12-24 | 2014-12-24 | 一种公路隧道一体化联动节能技术控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104536415A CN104536415A (zh) | 2015-04-22 |
| CN104536415B true CN104536415B (zh) | 2018-02-06 |
Family
ID=52851958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410815537.3A Expired - Fee Related CN104536415B (zh) | 2014-12-24 | 2014-12-24 | 一种公路隧道一体化联动节能技术控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104536415B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107124798A (zh) * | 2017-06-27 | 2017-09-01 | 山西省交通科学研究院 | 一种基于多参量的高速公路隧道智能调光方法及*** |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070022142A1 (en) * | 2005-07-20 | 2007-01-25 | International Business Machines Corporation | System and method to generate domain knowledge for automated system management by combining designer specifications with data mining activity |
| CN101118640A (zh) * | 2006-12-22 | 2008-02-06 | 张湘安 | 人工智能知识逻辑专家*** |
| CN102097005B (zh) * | 2011-02-01 | 2013-04-03 | 吉林大学 | 智能化、集成化交通信号控制器 |
| CN102339055B (zh) * | 2011-09-27 | 2013-05-08 | 深圳市全智聚能科技有限公司 | 一种交通能源管理与控制方法及*** |
-
2014
- 2014-12-24 CN CN201410815537.3A patent/CN104536415B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN104536415A (zh) | 2015-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105243430B (zh) | 列车节能运行的目标速度曲线的优化方法 | |
| CN106347359B (zh) | 用于操作自动驾驶车辆的方法和装置 | |
| CN109388130A (zh) | 联网的自动车辆的安全控制 | |
| CN112419726B (zh) | 一种基于交通流预测的城市交通信号控制*** | |
| US20220139092A1 (en) | Model generating apparatus, method and program, and prediction apparatus | |
| CN104715282B (zh) | 一种基于改进pso‑bp神经网络的数据预测方法 | |
| CN110531029B (zh) | 一种基于环保物联网大数据预测空气质量趋势的装置 | |
| CN107331179A (zh) | 一种基于大数据云平台的经济性驾驶辅助***及实现方法 | |
| CN108021531A (zh) | 基于fpga可重构架构的可变限速云端边缘数据处理平台*** | |
| Matheri et al. | Sustainable circularity and intelligent data-driven operations and control of the wastewater treatment plant | |
| CN103955135A (zh) | 一种基于双层模式曲线的机车优化操纵序列计算方法 | |
| CN106952361A (zh) | 一种高效的车辆行驶状态识别*** | |
| CN110015298A (zh) | 自动驾驶车辆配置方法和*** | |
| CN110516380A (zh) | 一种基于车辆行驶仿真数据的深度强化测试方法和*** | |
| Aqib et al. | A deep learning model to predict vehicles occupancy on freeways for traffic management | |
| CN104536415B (zh) | 一种公路隧道一体化联动节能技术控制方法 | |
| CN116453343A (zh) | 智能网联环境下基于流量预测的智能交通信号控制优化算法、软件与*** | |
| Chen et al. | Research on automatic driving simulation test system based on digital twin | |
| Patil | Machine Learning for Traffic Management in Large-Scale Urban Networks: A Review | |
| CN111027859B (zh) | 基于机动车状态监控数据挖掘的驾驶风险防范方法及*** | |
| CN105719359B (zh) | 车辆信息的获取方法和装置 | |
| CN116758768A (zh) | 一种全十字路口红绿灯动态调控方法 | |
| Bielecka et al. | Prediction of traffic intensity for dynamic street lighting | |
| CN107391450A (zh) | 一种基于gpb算法的运维多模态决策***原型 | |
| CN113807704A (zh) | 一种城市轨道交通数据的智能算法平台构建方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wu Ruixiang Inventor after: Pan Xiu Inventor after: Han Fang Inventor after: Wang Jianping Inventor after: Li Chunjie Inventor after: Han Shengming Inventor after: Zhang Shengxue Inventor after: Si Qing Inventor after: Lv Xuan Inventor after: Zhang Hongxia Inventor after: Fu Zenghui Inventor before: Wu Ruixiang Inventor before: Wang Jianping Inventor before: Li Chunjie Inventor before: Han Shengming |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180206 |