本發(fā)明涉及智能交通，更具體地說，它涉及一種隧道亮度控制動態(tài)優(yōu)化方法、系統(tǒng)、終端及介質(zhì)。

背景技術(shù)：

1、在現(xiàn)代交通系統(tǒng)中，隧道作為關(guān)鍵的交通節(jié)點，其照明系統(tǒng)的智能化控制對于提高行車安全和降低能耗具有至關(guān)重要的作用。傳統(tǒng)的隧道照明系統(tǒng)通常采用固定的時空控制策略，不僅造成能源的浪費，而且影響了駕駛者的視覺舒適度和行車安全性。

2、為此，現(xiàn)有技術(shù)中記載有考慮車速、車流量、亮度等因素來實現(xiàn)隧道照明智能控制，例如，對車速、車流量、亮度等數(shù)據(jù)進行短時預測，再將預測得到的車速、車流量、亮度值輸入到預先構(gòu)建的亮度補償模型中，并基于亮度補償結(jié)果實現(xiàn)隧道亮度調(diào)節(jié)。但由于隧道內(nèi)的亮度需求受多種因素影響，而車速、車流量之類的因素在短時內(nèi)的波動較大，且隨機性較強，不易準確采集，所以直接基于所采集的單一數(shù)據(jù)進行短時預測的準確性與可靠性較差，同時也會增大照明設(shè)備的響應(yīng)頻次；此外，現(xiàn)有的亮度補償模型一般是基于單一因素實現(xiàn)亮度補償，例如車流量增加時以正相關(guān)的方式調(diào)節(jié)隧道亮度，忽略了各種因素之間的關(guān)聯(lián)作用，無法細致地響應(yīng)實時變化的車流量和車速等多因素工況。

3、因此，如何研究設(shè)計一種能夠克服上述缺陷的隧道亮度控制動態(tài)優(yōu)化方法、系統(tǒng)、終端及介質(zhì)是我們目前急需解決的問題。

技術(shù)實現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中的不足，本發(fā)明的目的是提供一種隧道亮度控制動態(tài)優(yōu)化方法、系統(tǒng)、終端及介質(zhì)，通過考慮車流量和車速協(xié)調(diào)作用所構(gòu)建的亮度優(yōu)化函數(shù)實現(xiàn)照明亮度目標值求解，可以從全局角度實現(xiàn)實時變化的車流量和車速準確性響應(yīng)，從而提高了亮度調(diào)節(jié)的可靠性與及時性。

2、本發(fā)明的上述技術(shù)目的是通過以下技術(shù)方案得以實現(xiàn)的：

3、第一方面，提供了一種隧道亮度控制動態(tài)優(yōu)化方法，包括以下步驟：

4、采集目標隧道內(nèi)的多源狀態(tài)參數(shù)，多源狀態(tài)參數(shù)包括車流量、車速、環(huán)境光線強度和噪聲水平；

5、對多源狀態(tài)參數(shù)進行預處理，并采用卡爾曼濾波方法對預處理后的多源狀態(tài)參數(shù)進行狀態(tài)估計，得到車輛運行估計狀態(tài)；

6、將車輛運行估計狀態(tài)輸入到考慮時間條件和環(huán)境條件所訓練得到的adl模型中，預測得到預測車流量和預測車速；

7、將預測車流量和預測車速輸入至考慮車流量和車速協(xié)調(diào)作用所構(gòu)建的亮度優(yōu)化函數(shù)中，得到照明亮度目標值；

8、根據(jù)照明亮度目標值生成對應(yīng)的實時pwm信號，并基于實時pwm信號實現(xiàn)亮度調(diào)節(jié)。

9、進一步的，所述對多源狀態(tài)參數(shù)進行預處理的過程具體為：

10、通過中值濾波、均值濾波和/或小波變換消除多源狀態(tài)參數(shù)中的隨機錯誤和背景噪聲，得到第一參數(shù)；

11、通過z-score標準化或min-max標準化消除第一參數(shù)中不同量綱和量級的影響，得到第二參數(shù)；

12、通過插值法對第二參數(shù)中采樣時間的偏差進行時間對齊，得到預處理后的多源狀態(tài)參數(shù)。

13、進一步的，所述時間條件為將車流量劃分成包括早高峰、晚高峰、白天和黑夜多種車流量模式；所述環(huán)境條件為考慮天氣條件對車流量的影響和環(huán)境光線強度對照明需求的影響。

14、進一步的，所述亮度優(yōu)化函數(shù)為以車速為主變量、車流量的增量為次變量進行構(gòu)建的第一函數(shù)，表達式為：

15、；

16、其中，表示通過第一函數(shù)求解的在時刻的照明亮度目標值；表示第一函數(shù)中的主變量函數(shù)；表示第一函數(shù)中的次變量函數(shù)；表示時刻的預測車流量；表示時刻的預測車速；表示第一基準車流量；表示第一函數(shù)中的常值項；表示構(gòu)建亮度優(yōu)化函數(shù)的樣本集，以大小為的矩陣表示；表示樣本集中的樣本總數(shù)量；表示樣本集中以車流量為變量的數(shù)量；表示樣本集中以車速為變量的數(shù)量；表示車速為、車流量所對應(yīng)樣本的照明亮度；表示車速為、車流量為所對應(yīng)樣本的照明亮度。

17、進一步的，所述亮度優(yōu)化函數(shù)為以車流量為主變量、車速的增量為次變量進行構(gòu)建的第二函數(shù)，表達式為：

18、；

19、其中，表示通過第二函數(shù)求解的在時刻的照明亮度目標值；表示第二函數(shù)中的次變量函數(shù)；表示第二函數(shù)中的主變量函數(shù)；表示時刻的預測車流量；表示時刻的預測車速；表示第一基準車速；表示第二函數(shù)中的常值項；表示構(gòu)建亮度優(yōu)化函數(shù)的樣本集，以大小為的矩陣表示；表示樣本集中的樣本總數(shù)量；表示樣本集中以車流量為變量的數(shù)量；表示樣本集中以車速為變量的數(shù)量；表示車速為、車流量所對應(yīng)樣本的照明亮度；表示車速為、車流量為所對應(yīng)樣本的照明亮度。

20、進一步的，所述亮度優(yōu)化函數(shù)為以車速和車流量為共同主導作用所構(gòu)建的第三函數(shù)，表達式為：

21、；

22、其中，表示通過第三函數(shù)求解的在時刻的照明亮度目標值；表示以車速為主變量、車流量的增量為次變量構(gòu)建亮度優(yōu)化函數(shù)時的主變量函數(shù)；表示以車速為主變量、車流量的增量為次變量構(gòu)建亮度優(yōu)化函數(shù)時的次變量函數(shù)；表示以車流量為主變量、車速的增量為次變量構(gòu)建亮度優(yōu)化函數(shù)時的次變量函數(shù)；表示以車流量為主變量、車速的增量為次變量構(gòu)建亮度優(yōu)化函數(shù)時的主變量函數(shù)；表示時刻的預測車流量；表示時刻的預測車速；表示第三基準車速；表示第三基準車流量；表示以車速為主變量、車流量的增量為次變量構(gòu)建亮度優(yōu)化函數(shù)時的常值項；表示以車流量為主變量、車速的增量為次變量構(gòu)建亮度優(yōu)化函數(shù)時的常值項；表示構(gòu)建亮度優(yōu)化函數(shù)的樣本集，以大小為的矩陣表示；表示樣本集中的樣本總數(shù)量；表示樣本集中以車流量為變量的數(shù)量；表示樣本集中以車速為變量的數(shù)量；表示車速為、車流量所對應(yīng)樣本的照明亮度；表示車速為、車流量為所對應(yīng)樣本的照明亮度。

23、進一步的，所述實時pwm信號的生成過程具體為：

24、建立一個基礎(chǔ)亮度和控制照明設(shè)備達到基礎(chǔ)亮度所需pwm信號的基礎(chǔ)占空比；

25、以照明亮度目標值與基礎(chǔ)亮度之比確定調(diào)整系數(shù)；

26、以基礎(chǔ)占空比與調(diào)整系數(shù)之積確定實時pwm信號的占空比，生成對應(yīng)的實時pwm信號。

27、第二方面，提供了一種隧道亮度控制動態(tài)優(yōu)化系統(tǒng)，該系統(tǒng)用于實現(xiàn)如第一方面中任意一項所述的一種隧道亮度控制動態(tài)優(yōu)化方法，包括：

28、數(shù)據(jù)采集模塊，用于采集目標隧道內(nèi)的多源狀態(tài)參數(shù)，多源狀態(tài)參數(shù)包括車流量、車速、環(huán)境光線強度和噪聲水平；

29、狀態(tài)估計模塊，用于對多源狀態(tài)參數(shù)進行預處理，并采用卡爾曼濾波方法對預處理后的多源狀態(tài)參數(shù)進行狀態(tài)估計，得到車輛運行估計狀態(tài)；

30、狀態(tài)預測模塊，用于將車輛運行估計狀態(tài)輸入到考慮時間條件和環(huán)境條件所訓練得到的adl模型中，預測得到預測車流量和預測車速；

31、亮度求解模塊，用于將預測車流量和預測車速輸入至考慮車流量和車速協(xié)調(diào)作用所構(gòu)建的亮度優(yōu)化函數(shù)中，得到照明亮度目標值；

32、調(diào)節(jié)優(yōu)化模塊，用于根據(jù)照明亮度目標值生成對應(yīng)的實時pwm信號，并基于實時pwm信號實現(xiàn)亮度調(diào)節(jié)。

33、第三方面，提供了一種計算機終端，包含存儲器、處理器及存儲在存儲器并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如第一方面中任意一項所述的一種隧道亮度控制動態(tài)優(yōu)化方法。

34、第四方面，提供了一種計算機可讀介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行可實現(xiàn)如第一方面中任意一項所述的一種隧道亮度控制動態(tài)優(yōu)化方法。

35、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

36、1、本發(fā)明提供的一種隧道亮度控制動態(tài)優(yōu)化方法，采用卡爾曼濾波方法對預處理后的多源狀態(tài)參數(shù)進行狀態(tài)估計，可以準確獲得能夠表征目標隧道整體情況的車輛運行估計狀態(tài)，再結(jié)合車輛運行估計狀態(tài)和自回歸分布滯后模型（adl模型）進行車流量和車速預測，既可以準確分析單個數(shù)據(jù)的整體變化趨勢，也可以準確表征出不同數(shù)據(jù)之間的關(guān)聯(lián)特性；同時，再通過考慮車流量和車速協(xié)調(diào)作用所構(gòu)建的亮度優(yōu)化函數(shù)實現(xiàn)照明亮度目標值求解，可以從全局角度實現(xiàn)實時變化的車流量和車速準確性響應(yīng)，從而提高了亮度調(diào)節(jié)的可靠性與及時性；

37、2、本發(fā)明在構(gòu)建亮度優(yōu)化函數(shù)時，基于歷史樣本數(shù)據(jù)，先以一個因素為主變量進行線性回歸分析，再以另一個因素為次變量對主變量的誤差進行非線性回歸分析，以此得到考慮車流量和車速協(xié)調(diào)作用的亮度優(yōu)化函數(shù)，能夠更為準確的實現(xiàn)不同變化工況下的亮度調(diào)節(jié)；

38、3、本發(fā)明在構(gòu)建亮度優(yōu)化函數(shù)時，對主變量的誤差進行非線性回歸分析過程中，以使各個樣本數(shù)據(jù)與次變量所對應(yīng)樣本數(shù)據(jù)之間的亮度誤差之和最小為優(yōu)化目標，求解出各個次變量函數(shù)中的次變量基準，使得分析得到的次變量函數(shù)中的自變量取值范圍更小，利于獲得更為準確、可靠的次變量函數(shù)；

39、4、本發(fā)明實現(xiàn)了對照明系統(tǒng)的精準動態(tài)控制，顯著提升了系統(tǒng)響應(yīng)的靈活性和準確性；能夠持續(xù)學習和適應(yīng)交通和環(huán)境的動態(tài)變化，保持系統(tǒng)的先進性和有效性；且通過維持合理的照明水平，保證了駕駛員的視線清晰，減少了視覺疲勞，有效降低了交通事故的風險。