[发明专利]一种隧道灯具照度衰减预测方法

说明书

本发明公开了一种隧道灯具照度衰减预测方法，选择使用递归特征消除(Recursive feature elimination)算法；基于全部特征进行训练；特征被消除的顺序即为特征的重要性排序，由于LSTM设计的循环结构的要求，需要输入特征向量组成的序列数据，构造样本数据集，利用LSTM模型来根据过去的一段时间数据来预测未来一段时间的数据，选定时间滞后组成的样本数据集后，使用一定时间范围的数据作为训练集，所有参数训练完成后，选用相关系数最高且绝对误差最小的模型作为最优预测模型。本发明以达到预测隧道灯具亮度衰减到照明细则规定的阈值的时间，从而提醒维修人员及时更换灯具，防止车辆进入隧道时安全事故发生。

技术领域

本发明涉及信息技术领域，具体涉及一种隧道灯具照度衰减预测方法。

背景技术

随着我国高速公路的不断发展，占地少、里程短、效率高的公路隧道出现的越来越多。截止2020年，全国公路总里程501.25万公里，全国公路隧道19067 处、1896.66万米，这在规模和数量上跨入世界前列。对于高速公路上面行驶的车辆，车速快，流量大，保证车辆顺利通过隧道是公路运营的重要环节。根据《公路隧道照明细则JTGJD70/2-01-2014》(以下简称：照明细则)，长度大于100m 的光学长隧道和长度大于200m的隧道都应该安装照明设施。

隧道照明的目的是为了适应司机在白天进入隧道后的视觉变化，避免产生黑洞效应而发生意外。由于隧道环境的特点，一，白天外部环境和隧道内部相比，亮度差极大，从外部环境看向长隧道，隧道入口会产生黑洞效应，即隧道入口看上去像一个黑洞，无法得知内部状况；二，驾驶员由明亮的外部环境驶入隧道后，其眼睛需要适应一段时间才能看清隧道内部情况；三，在驾驶员驶出隧道后，会产生极强的眩光，产生一个很亮的洞口。因此驾驶员的视觉适应性是隧道照明技术必须解决的问题。解决上述问题的方案是，根据隧道外部环境的亮度、车速、车流量、温度等信息来调节隧道内灯具功率，保证隧道内部具有足够合适的亮度。在隧道照明规范《中华人民共和国行业标准.JTJTD702-01-2公路隧道照明设计细则》中，规定了实际需求亮度的计算方法。

然而在实际应用中，隧道灯具使用环境非常复杂，且通过调整灯具功率来调整灯具亮度的方法造成灯具衰退的现象普遍存在。为了避免灯具在使用过程中亮度衰退到照明细则规定的阈值以下，往往需要凭借维修人员的经验和现场测量的具体数据来更换灯具。这样的方法需要消耗巨大的测量资源，而且适用范围较窄。

鉴于此，本发明公开一种基于机器学习技术的隧道灯具亮度衰减曲线预测方法，以达到预测隧道灯具亮度衰减到照明细则规定的阈值的时间，从而提醒维修人员及时更换灯具，防止车辆进入隧道时安全事故发生。

(1)现有的技术方案

根据《道路照明的亮度测量方法》采用的测量方法，应从灯具的间距整性及光源的一致性等方面选择有代表性的路段，利用四点法或中心法的布点方法，测量并计算道路水平平均亮度和均匀度。目前的隧道照明是每隔一段时间，利用照度计进行点对点测量来获取隧道内灯具的实际照度信息。但是，上述测量方法不能满足实时测量的需求，因为灯具损坏和灯具随时间发生灯衰使实际亮度达不到标准。

《隧道照明闭环反馈智慧控制系统》中设计了一种隧道照明闭环反馈智慧控制系统，实现了对隧道内部亮度的实时测量和控制。该设计中，以亮度实时监测摄像机采集的图像信息为基础计算洞内路面亮度的实际值，以环境信息感知传感器和车辆信息感知传感器采集到的数据为基础，根据照明细则计算隧道内设定的亮度值。然而，系统需要投放巨大的资源，例如红外探测器、车辆线圈检测器、洞内照度仪、洞内摄像机等，并且实时监控和计算，需要保证系统零件全部正常运转，消耗极大的资源。

在实际灯具使用过程中，灯具的照明存在衰减，随着时间的延长，灯具的衰减会越来越严重，从而导致路面照度越来越低，这时不满足照明细则提出的标准，需要更换灯具来满足隧道路面的照明需求。而仅仅是因为光衰而其他部分均处于正常工作状态，就更换灯具造成了浪费。一般采取功率冗余的方法，当光衰达到一定程度时对整体灯光通量进行补偿，使照明效果满足照明需求。