技術(shù)特征：

1.隧道入口段車流控制方法，其特征在于：其包括以下步驟：

S1、隧道內(nèi)行駛的車輛按車輛大小實行分道行駛，并將隧道入口處的車流進行分道行駛管制；

S2、獲取每個車道在隧道入口內(nèi)外的照度差、隧道入口內(nèi)外的平均車流速度差和隧道內(nèi)的車流量；

S3、基于每個車道在隧道入口內(nèi)外的照度差、隧道入口內(nèi)外的平均車流速度差和隧道內(nèi)的車流量采用BP神經(jīng)網(wǎng)絡(luò)的分類識別算法分別獲取每個車道的最佳限速值以及合理的聲光預(yù)警提示信息；

S4、分別在對應(yīng)車道上顯示可變限速提示信息，并依照聲光預(yù)警提示信息對隧道內(nèi)車輛的車速進行聲光預(yù)警提示。

2.根據(jù)權(quán)利要求1所述隧道入口段車流控制方法，其特征在于：所述步驟S1具體包括以下步驟：

S1.1在距隧道入口700-900米處，設(shè)置指示分道行駛的固定提示牌；

S1.2在隧道入口段針對大小車行駛的車道設(shè)置隔離欄，并在小車道上設(shè)置活動限高欄，并進行違規(guī)檢測及違規(guī)處罰。

3.根據(jù)權(quán)利要求1所述隧道入口段車流控制方法，其特征在于：所述步驟S2中通過照度檢測器檢測每個車道的隧道入口內(nèi)外的照度，進而獲取對應(yīng)車道的隧道入口內(nèi)外的照度差，通過平均車速檢測器分別檢測每個車道的隧道入口內(nèi)外的平均車流速度，進而獲取對應(yīng)車道的隧道入口內(nèi)外的平均車流速度差；通過車流量檢測器檢測每個車道的隧道內(nèi)的車流量。

4.根據(jù)權(quán)利要求3所述隧道入口段車流控制方法，其特征在于：每個車道上至少設(shè)有2個以上的照度檢測器，至少一個照度檢測器設(shè)在該車道的隧道入口內(nèi)且至少一個照度檢測器設(shè)在該車道的隧道入口外；每個車道上至少設(shè)有2個以上的平均車速檢測器，至少一個平均車速檢測器設(shè)在該車道的隧道入口內(nèi)且至少一個平均車速檢測器設(shè)在該車道的隧道入口外；每個車道的隧道內(nèi)設(shè)置至少一個車流量檢測器。

5.根據(jù)權(quán)利要求1所述隧道入口段車流控制方法，其特征在于：所述步驟S4中聲光預(yù)警提示信息分成三大類：第一類黃閃狀態(tài)、第二類紅閃狀態(tài)和第三類綠閃狀態(tài)；當(dāng)為第一類黃閃狀態(tài)時，則通過聲音提示車輛需要加速，亮黃閃燈，限速值增加；當(dāng)為第二類紅閃狀態(tài)時，則通過聲音提示車輛需要降速，亮紅閃燈，限速值減少；當(dāng)為第三類綠閃狀態(tài)時，則通過聲音提示車輛保持當(dāng)前車速，亮綠閃燈，限速值不變。

6.根據(jù)權(quán)利要求1所述隧道入口段車流控制方法，其特征在于：步驟S3具體包括以下步驟：S3.1、建立BP神經(jīng)網(wǎng)絡(luò)三層結(jié)構(gòu)：BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱層和輸出層，定義BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元為n個，輸出層神經(jīng)元為m個，隱層神經(jīng)元為l個；則將每個車道在隧道入口內(nèi)外的照度差、隧道入口內(nèi)外的平均車流速度差和隧道內(nèi)的車流量作為輸入指標(biāo)，即輸入層神經(jīng)元的個數(shù)n的取值為3；將BP神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元的個數(shù)m的取值基于聲光預(yù)警提示信息的分類設(shè)為3；并將BP神經(jīng)網(wǎng)絡(luò)的隱層神經(jīng)元的個數(shù)l的取值為5；

S3.2、訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)：給定訓(xùn)練數(shù)據(jù)集，將訓(xùn)練數(shù)據(jù)集中含有輸入層神經(jīng)元輸入值x_i的輸入樣本輸入BP神經(jīng)網(wǎng)絡(luò)，對比網(wǎng)絡(luò)預(yù)測輸出值o_k和實際輸出值Y_k，計算網(wǎng)絡(luò)預(yù)測誤差e_k；然后，依據(jù)網(wǎng)絡(luò)預(yù)測誤差e_k更新修正輸入層和隱層的連接權(quán)值w_ij、隱層和輸出層的連接權(quán)值w_jk、隱層各神經(jīng)元的閾值a_j、輸出層各神經(jīng)元閾值b_k；對于給定的訓(xùn)練數(shù)據(jù)集使得輸入層和隱層的連接權(quán)值w_ij、隱層和輸出層的連接權(quán)值w_jk、隱層各神經(jīng)元的閾值a_j、輸出層各神經(jīng)元閾值b_k的取值均初始化為(0,1)分布的隨機數(shù)；

其中，網(wǎng)絡(luò)預(yù)測誤差e_k的更新規(guī)則滿足下式：

e_k＝Y(jié)_k-O_k,k＝1,2,...,m (1)

輸入層和隱層的連接權(quán)值w_ij的更新規(guī)則滿足下式：

$w_{ij}=w_{ij}+\mathrm{\η}(1-H_j)x_i\underset{k=1}{\overset{m}{\Σ}}{w}_{jk}{e}_k,i=1,2,...,n;j=1,2,...,l---\left(2\right)$

隱層和輸出層的連接權(quán)值w_jk的更新規(guī)則滿足下式：

w_jk＝w_jk+ηH_je_k,j＝1,2,...,l；k＝1,2,...,m (3)

隱層各神經(jīng)元的閾值a_j的更新規(guī)則滿足下式：

$a_j=a_j+\mathrm{\η}(1-H_j)\underset{k=1}{\overset{m}{\Σ}}{w}_{jk}{e}_k,j=1,2,...,l---\left(4\right)$

輸出層各神經(jīng)元閾值b_k的更新規(guī)則滿足下式：

b_k＝b_k+e_k,k＝1,2,...,m (5)

其中，H_j為隱層輸出，x_i為各神經(jīng)元輸入值，η為學(xué)習(xí)率，η的取值范圍在(0.01,0.8)；S3.3、訓(xùn)練出符合要求的BP神經(jīng)網(wǎng)絡(luò)后，將獲取的每個車道在隧道入口內(nèi)外的照度差、隧道入口內(nèi)外的平均車流速度差和隧道內(nèi)的車流量的數(shù)據(jù)作為預(yù)測數(shù)據(jù)代入BP神經(jīng)網(wǎng)絡(luò)中進行實時分類識別，進而獲取各車道上最佳限速值以及合理的聲光預(yù)警提示信息。

7.根據(jù)權(quán)利要求6所述隧道入口段車流控制方法，其特征在于：所述步驟S3.3中還包括將預(yù)測數(shù)據(jù)納入用于訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集。