[发明专利]隧道入口段车流控制方法

摘要

本发明公开隧道入口段车流控制方法，其包括以下步骤：S1、隧道内行驶的车辆按车辆大小实行分道行驶，并将隧道入口处的车流进行分道行驶管制；S2、获取每个车道在隧道入口内外的照度差、隧道入口内外的平均车流速度差和隧道内的车流量；S3、基于每个车道在隧道入口内外的照度差、隧道入口内外的平均车流速度差和隧道内的车流量采用BP神经网络的分类识别算法分别获取每个车道的最佳限速值以及合理的声光预警提示信息；S4、分别在对应车道上显示可变限速提示信息，并依照声光预警提示信息对隧道内车辆的车速进行声光预警提示。本专利实现大小车道上的车流速度整体控制，并针对个体车辆进行触碰限高栏的违规检测和处罚，可改善公路隧道入口段交通事故常发的现状，提高公路隧道的通行效率与安全水平。

主权项

1.隧道入口段车流控制方法，其特征在于：其包括以下步骤：S1、隧道内行驶的车辆按车辆大小实行分道行驶，并将隧道入口处的车流进行分道行驶管制；S2、获取每个车道在隧道入口内外的照度差、隧道入口内外的平均车流速度差和隧道内的车流量；S3、基于每个车道在隧道入口内外的照度差、隧道入口内外的平均车流速度差和隧道内的车流量采用BP神经网络的分类识别算法分别获取每个车道的最佳限速值以及合理的声光预警提示信息；步骤S3具体包括以下步骤：S3.1、建立BP神经网络三层结构：BP神经网络包括输入层、隐层和输出层，定义BP神经网络的输入层神经元为n个，输出层神经元为m个，隐层神经元为l个；则将每个车道在隧道入口内外的照度差、隧道入口内外的平均车流速度差和隧道内的车流量作为输入指标，即输入层神经元的个数n的取值为3；将BP神经网络的输出层神经元的个数m的取值基于声光预警提示信息的分类设为3；并将BP神经网络的隐层神经元的个数l的取值为5；S3.2、训练BP神经网络：给定训练数据集，将训练数据集中含有输入层神经元输入值xi的输入样本输入BP神经网络，对比网络预测输出值Ok和实际输出值Yk，计算网络预测误差ek；然后，依据网络预测误差ek更新修正输入层和隐层的连接权值wij、隐层和输出层的连接权值wjk、隐层各神经元的阈值aj、输出层各神经元阈值bk；对于给定的训练数据集使得输入层和隐层的连接权值wij、隐层和输出层的连接权值wjk、隐层各神经元的阈值aj、输出层各神经元阈值bk的取值均初始化为0‑1之间分布的随机数；其中，网络预测误差ek的更新规则满足下式：ek＝Yk‑Ok,k＝1,2,...,m   (1)输入层和隐层的连接权值wij的更新规则满足下式：隐层和输出层的连接权值wjk的更新规则满足下式：wjk＝wjk+ηHjek,j＝1,2,...,l；k＝1,2,...,m   (3)隐层各神经元的阈值aj的更新规则满足下式：输出层各神经元阈值bk的更新规则满足下式：bk＝bk+ek,k＝1,2,...,m   (5)其中，Hj为隐层输出，xi为各神经元输入值，η为学习率，η的取值范围在0.01到0.8；S3.3、训练出符合要求的BP神经网络后，将获取的每个车道在隧道入口内外的照度差、隧道入口内外的平均车流速度差和隧道内的车流量的数据作为预测数据代入BP神经网络中进行实时分类识别，进而获取各车道上最佳限速值以及合理的声光预警提示信息；S4、分别在对应车道上显示可变限速提示信息，并依照声光预警提示信息对隧道内车辆的车速进行声光预警提示。