基于交通流預(yù)測(cè)的隧道照明控制方法研究

苗榮霞，張 洋，李潔馨，王 幸

（西安工業(yè)大學(xué)電子信息工程學(xué)院，西安 710000）

1 引 言

由于隧道半封閉的環(huán)境，隧道內(nèi)外的亮度差較大，在進(jìn)出隧道時(shí)視覺上會(huì)形成“黑洞效應(yīng)”和“白洞效應(yīng)”，致使駕駛?cè)藛T產(chǎn)生“視覺遲滯現(xiàn)象”。本著安全駕駛原則，必須提供隧道照明。隨著隧道規(guī)模與交通量的激增，照明系統(tǒng)的耗能也在逐年增大。對(duì)此，研究人員從照明燈具、控制方法等方面進(jìn)行了諸多優(yōu)化研究。近年來，新建隧道大都采用節(jié)能型燈具以及自動(dòng)控制技術(shù)，雖然在節(jié)能方面有了一定的進(jìn)展，但是還存在著適應(yīng)性差和無法根據(jù)交通量及車輛行駛狀態(tài)等實(shí)際環(huán)境進(jìn)行調(diào)光的問題。目前主要的控制方法有車進(jìn)燈亮控制和按需照明控制等[1]。車進(jìn)燈亮控制在交通流量較大時(shí)頻繁調(diào)光會(huì)造成開關(guān)損耗；按需照明控制在交通流量較小時(shí)則會(huì)因?yàn)榇蟛糠质菬o用照明而浪費(fèi)能源[2-3]。針對(duì)此問題，設(shè)計(jì)一種基于交通流預(yù)測(cè)的控制方法，根據(jù)預(yù)測(cè)的交通流量選擇最佳控制方法。

2 基于交通流預(yù)測(cè)的照明控制方法

2.1 總體流程與算法結(jié)構(gòu)

所設(shè)計(jì)的控制方法總體流程如圖1 所示。在交通流量較大時(shí)，選擇按需照明的控制方法，保證隧道照明亮度；當(dāng)交通流量較小時(shí)，選擇“車來燈亮車走燈暗”的控制方法，既保證通行安全，又可以降低耗能，同時(shí)也可以降低燈具的損耗以增加照明設(shè)備的使用壽命。

圖1 按需照明總體控制流程

LSTM 算法結(jié)構(gòu)如圖2 所示。LSTM 算法整體上由記憶單元、遺忘門、輸入門和輸出門等部分構(gòu)成。其中，記憶單元是LSTM 算法的核心，作為長期記憶的傳送帶，在圖中用C 表示。輸出門的輸出值h 可當(dāng)作當(dāng)前時(shí)刻的短期記憶。因此LSTM 具有長短期記憶能力[4]。

圖2 LSTM 算法結(jié)構(gòu)圖

LSTM 各個(gè)部分的作用以及表達(dá)式如表1 所示，綜合各表達(dá)式，便可共同構(gòu)建交通流預(yù)測(cè)模型。

表1 LSTM 各部分表達(dá)式

2.2 構(gòu)建數(shù)據(jù)集

選取某路段一段時(shí)間的交通量，時(shí)間間隔為5分鐘，共有數(shù)據(jù)920 個(gè)。選取其中700 個(gè)作為訓(xùn)練集，剩余220 個(gè)作為測(cè)試集。部分?jǐn)?shù)據(jù)如表2 所示。

表2 部分訓(xùn)練數(shù)據(jù)集

在訓(xùn)練過程中，對(duì)LSTM 模型的隱藏層級(jí)、隱藏層神經(jīng)元數(shù)目、學(xué)習(xí)效率等參數(shù)進(jìn)行尋優(yōu)，同時(shí)觀測(cè)在不同參數(shù)設(shè)置下模型評(píng)價(jià)指標(biāo)RMSE 的變動(dòng)狀況。RMSE 為均方根誤差，其定義為：

表3 LSTM 預(yù)測(cè)模型參數(shù)表

根據(jù)表中各參數(shù)對(duì)預(yù)測(cè)模型做出調(diào)整，對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試。訓(xùn)練集預(yù)測(cè)結(jié)果圖如圖3 所示。可見預(yù)測(cè)值與真實(shí)值兩者曲線將近重合，預(yù)測(cè)效果良好。測(cè)試集的訓(xùn)練效果如圖4 所示。與圖3 相比可見，測(cè)試集的擬合效果相對(duì)訓(xùn)練集較差，真實(shí)值相對(duì)于預(yù)測(cè)值有一定的滯后性，但是整體效果良好。

圖3 LSTM 模型訓(xùn)練集預(yù)測(cè)結(jié)果對(duì)比

圖4 LSTM 模型測(cè)試集預(yù)測(cè)結(jié)果對(duì)比

同時(shí)對(duì)模型的訓(xùn)練和測(cè)試集進(jìn)行指標(biāo)運(yùn)算。預(yù)測(cè)結(jié)果如表4 所示。其中MAE 為平均絕對(duì)誤差；MAPE 為平均絕對(duì)百分比誤差。從數(shù)據(jù)可以看出訓(xùn)練集的模型預(yù)測(cè)結(jié)果接近97.5%，測(cè)試集的模型預(yù)測(cè)結(jié)果高達(dá)95%，均有良好的訓(xùn)練效果。

表4 訓(xùn)練集模型預(yù)測(cè)結(jié)果表

3 模糊PID 控制算法及仿真

3.1 照明系統(tǒng)傳遞函數(shù)數(shù)學(xué)模型

隧道燈光照明模型是一個(gè)多輸入多輸出模型，隧道內(nèi)不同區(qū)段的燈光亮度是相互影響的。多輸入多輸出模型中照明亮度與輸入電壓的PWM 的占空比之間的離散時(shí)間的傳遞函數(shù)可定義為：

式中y(k)為系統(tǒng)輸出；u(k)為系統(tǒng)輸入；q-n為移位算子；a 為縮放增益，b 為偏移量。將設(shè)備的輸入電壓與LED 亮度的線性關(guān)系帶入上式模型，即得到照明系統(tǒng)的傳遞函數(shù)[7]：

3.2 模糊PID 控制算法

為了使節(jié)能效果與照明效果兼顧，選擇模糊PID 控制算法，其結(jié)構(gòu)圖如圖5 所示?？刂破骼貌杉降亩赐猸h(huán)境亮度和車速運(yùn)算出照明亮度值，并利用由隧道各區(qū)段安裝的傳感器測(cè)得的實(shí)際亮度作為反饋。將輸入量以及反饋輸入量的偏差值以及偏差變化率作為模糊控制器的輸入量，由模糊規(guī)則庫進(jìn)行模糊推理，在線輸出△KP、△KI、△KD對(duì)KP、KI、KD三個(gè)參數(shù)進(jìn)行自整定，利用整定后的參數(shù)對(duì)隧道內(nèi)各區(qū)段的照明設(shè)備進(jìn)行PID 調(diào)光。

圖5 模糊PID 控制結(jié)構(gòu)圖

根據(jù)按需照明的亮度值，確定偏差和偏差變化率的論域。本研究中實(shí)際工程隧道長度為7920m，洞外亮度最大值約為3600cd/m2，隧道設(shè)計(jì)行車速度80km/h，按照現(xiàn)場(chǎng)條件確定入口段的亮度折減系數(shù)K 約為0.0372，并確定隧道入口段最大照明亮度為133.92cd/m2。按照上述參數(shù)，可設(shè)定偏差論域?yàn)閇-120,120]，偏差變化率論域?yàn)閇-60,60]，輸出△KP、△KI、△KD論域[8]分別為[-3,3]、[-3,3]、[-0.3,0.3]。為簡(jiǎn)化模糊化過程，將模糊控制器的輸入輸出都分為{NB、NM、NS、Z、PS、PM、PB}7 個(gè)子級(jí)，所得到的輸入量隸屬度函數(shù)曲線如圖6 所示。

圖6 模糊輸入隸屬度函數(shù)設(shè)置

根據(jù)設(shè)定輸入輸出隸屬度函數(shù)，然后設(shè)定模糊控制規(guī)則，控制規(guī)則如表5 所示。偏差和偏差變化率作為模糊控制器的輸入，依據(jù)模糊控制規(guī)則，在線對(duì)PID 的三個(gè)參數(shù)進(jìn)行調(diào)整。根據(jù)輸入誤差以及誤差變化率設(shè)定49 條模糊控制規(guī)則[9]。

表5 模糊控制規(guī)則表

3.3 算法仿真

仿真第一部分為按需照明控制，以入口段亮度調(diào)節(jié)為例，將實(shí)際光照強(qiáng)度作為輸入，基于隧道實(shí)際環(huán)境，入口段亮度折減系數(shù)為0.0372，光照強(qiáng)度和折減系數(shù)運(yùn)算后作為模糊PID 控制的輸入；第二部分為車進(jìn)燈亮控制，當(dāng)檢測(cè)到有車輛行駛時(shí)，控制器輸出需求亮度，當(dāng)無車輛行駛時(shí)，照明設(shè)備調(diào)至低耗能模式；第三部分為基于交通流預(yù)測(cè)控制，先根據(jù)預(yù)測(cè)的交通流量選擇控制方法，當(dāng)交通流大于設(shè)定閾值，選擇按需照明控制方法，小于閾值則選擇車進(jìn)燈亮控制方法。

模糊PID 輸出的按需照明控制和車進(jìn)燈亮控制的輸出比較仿真結(jié)果如圖7 所示。仿真表明，模糊PID 控制算法可以對(duì)照明設(shè)備進(jìn)行精確控制，達(dá)到需求亮度，且誤差較小。

圖7 不同控制方法對(duì)比圖

通過對(duì)比三種控制方法，經(jīng)相關(guān)計(jì)算，基于交通流預(yù)測(cè)的控制方法相較于車進(jìn)燈亮控制方法開關(guān)損耗減少84.3%；相較于按需照明控制方法節(jié)能8.49%。優(yōu)化節(jié)能的效果顯著，達(dá)到了設(shè)計(jì)預(yù)期。

4 結(jié)束語

從控制方法入手進(jìn)行優(yōu)化，提出基于交通流預(yù)測(cè)的隧道照明控制方法，利用模糊PID 算法對(duì)燈具進(jìn)行控制。使用LSTM 交通流預(yù)測(cè)算法對(duì)車流量進(jìn)行預(yù)測(cè)，測(cè)準(zhǔn)確率高達(dá)95%以上，預(yù)測(cè)效果較好；利用預(yù)測(cè)的交通流量對(duì)未來一段時(shí)間的照明控制方法進(jìn)行選擇?；诮煌黝A(yù)測(cè)的照明控制方法避免了傳統(tǒng)控制方法在具體應(yīng)用中存在的問題，更大發(fā)揮了智能控制的精度，在滿足照明需求的同時(shí)，最大程度節(jié)約耗能。