[发明专利]公路隧道洞外光环境监测方法及系统

权利要求书

1.一种公路隧道洞外光环境监测方法，其特征在于：包括步骤：

S1：实时采集隧道洞口光亮度和隧道洞外路面光照度，获取训练样本；

S2：构建和训练神经网络；

S3：将当前时刻采集到的隧道洞口光亮度带入神经网络，预测得到下一个时间周期的隧道洞口光亮度；

S4：根据预测得到的下一个时间周期的隧道洞口光亮度，调整隧道照明数量。

2.根据权利要求1所述公路隧道洞外光环境监测方法，其特征在于：所述步骤S4中调整隧道照明数量的计算公式为：

其中，p_i+1和p_i分别为第i个和第i+1个时间周期的隧道照明数量，为实际采集到的第i个时间周期隧道洞口光亮度平均值，为预测得到的第i+1个时间周期隧道洞口光亮度平均值。

3.根据权利要求1所述公路隧道洞外光环境监测方法，其特征在于：所述步骤S1具体包括：

在隧道洞口设置若干光亮度传感器和光照度传感器；

连续采集N个时间周期的隧道洞外路面光照度和隧道洞口光亮度；并计算每个时间周期的隧道洞口光亮度平均值和隧道洞外路面光照度平均值其中，表示第i个时间周期的隧道洞口光亮度平均值；第i个时间周期的隧道洞外路面光照度平均值；i＝1，2，3，……，N；

将前N-1个时间周期的隧道洞外路面光照度平均值和隧道洞口光亮度平均值作为第i次神经网络训练迭代的输入层数据，将第N个时间周期的隧道洞外路面光照度平均值作为神经网络训练迭代期望输出数据，得到训练样本。

4.根据权利要求3所述公路隧道洞外光环境监测方法，其特征在于：所述步骤S2具体包括：

S21：构建线性神经网络；初始化线性神经网络算法的学习率为λ，初始化误差阈值e₀，初始化最大迭代次数T；

S22：向线性神经网络中输入输入层数据，输出当前迭代的预测数据；

S23：根据当前迭代的预测数据和期望输出数据计算当前迭代的误差；

S24：判断当前迭代的误差是否小于误差阈值e₀，若否，则进入步骤S25；若是，进入步骤S27；

S25：判断是否达到最大迭代次数，若否，则进入步骤S26；若是，则进入步骤S27；

S26：根据当前迭代的误差，对线性神经网络的权重进行调整，返回步骤S22；

S27：结束对线性神经网络的训练，得到训练后的神经网络。

5.根据权利要求4所述公路隧道洞外光环境监测方法，其特征在于：所述当前迭代的误差的计算公式为：

其中，e_k为第k次迭代的误差；表示第k次迭代输出的预测数据，表示预测的第N个时间周期的隧道洞口光亮度平均值；Δx_i+1为实际第i+1个时间周期相对于第i个时间周期的隧道洞口光亮度平均值的增量，表示采集得到的第j个时间周期的隧道洞口光亮度平均值，表示采集得到的第j+1个时间周期的隧道洞口光亮度平均值。

6.根据权利要求4所述公路隧道洞外光环境监测方法，其特征在于：所述步骤S26中线性神经网络的权重进行调整的公式为：

Δw_j＝λe_kΔx_j+1 (2-2)

其中，Δw_j表示当前迭代第j个权重的调整增量，在下一次迭代中，神经网络第j个权重的调整为当前迭代中第j个权重与当前迭代第j个权重的调整增量之和。

7.根据权利要求3-6中任一项所述公路隧道洞外光环境监测方法，其特征在于：10s≤一个时间周期≤30s；240≤N≤480。

8.一种公路隧道洞外光环境监测系统，其特征在于：包括光照度采集模块、光亮度采集模块、数据处理模块和照明策略执行模块；

所述光照度采集模块包括若干设置于隧道洞口的光照度传感器，所述光照度传感器与数据处理模块通信连接，用于将采集到的光照度数据传输给数据处理模块；

所述光亮度采集模块包括若干设置于隧道洞口的光亮度传感器，所述光亮度采集模块与数据处理模块通信连接，用于将采集到的光亮度数据传输给数据处理模块；

所述数据处理模块，用于计算每个时间周期的隧道洞口光亮度平均值和隧道洞外路面光照度平均值构建和训练神经网络，预测得到下一个时间周期的隧道洞口光亮度，计算调整隧道照明数量；

所述照明策略执行模块与数据处理模块连接，用于根据调整隧道照明数量调整隧道照明数量。