隧道智慧调光方法、系统及计算机储存介质技术方案

本发明专利技术公开了一种基于孤立森林和3Sigma原则的隧道智慧调光方法、系统及计算机存储介质，涉及隧道照明控制技术领域。所述方法包括如下步骤：S1采集隧道历史数据，并从历史数据中提取出历史特征数据；S2通过历史特征数据，采用孤立森林算法构建出隧道光强异常判定模型Y；S3利用隧道光强异常判定模型Y剔除历史特征数据中的异常数据，并采用3Sigma原则计算出不同特征的调光基准值；S4采集隧道内的实时特征数据，利用光强异常判定模型Y对实时数据集X进行判断，并根据判定结果输出智能调光等级。能够判定历史和实时光强数据是否异常，并给出正确的调光等级，使用智能调光后总体用电量的平均节能比例达到48.39％，说明提出的模型对隧道运营成本的下降有重要意义。隧道运营成本的下降有重要意义。隧道运营成本的下降有重要意义。

【技术实现步骤摘要】
隧道智慧调光方法、系统及计算机储存介质


[0001]本专利技术涉及隧道照明控制
，具体涉及一种基于孤立森林和3Sigma原则的隧道智慧调光方法、系统及计算机储存介质。

技术介绍

[0002]在隧道照明控制领域中，由于车辆进出隧道时存在“黑洞效应”和“白洞效应”，每年因隧道照明不良引起的交通事故，占隧道事故的一半以上，因此隧道照明质量直接决定了行车的安全性。科学合理地进行隧道光照调整，不仅能营造良好的隧道行车环境，减少事故的发生，还能降低隧道能耗损失和隧道运营成本。目前，隧道调光面临如下问题：
[0003](1)大部分隧道只根据时段进行调光，例如白天统一开到最大照明亮度，夜晚只开基本照明，这样不仅浪费能耗，还可能引起白黑洞效应，造成交通事故。
[0004](2)隧道数据的利用率较低，例如洞外光强数据基本都是闲置的，无法产生相应的价值。
[0005](3)设备测得的光强值容易受各种因素影响，从而造成光强数据不准确，部分数据甚至与实际差别很大。

技术实现思路

[0006]本专利技术提供的一种基于孤立森林和3Sigma原则的隧道智慧调光方法、系统及计算机储存介质，能够最大程度的利用隧道数据资源，对异常光强数据进行判断，并根据判定结果输出智慧调光等级。
[0007]为了实现上述技术目的，本专利技术主要采用如下技术方案：
[0008]第一方面，本申请提供了一种基于孤立森林和3Sigma原则的隧道智慧调光方法，包括如下步骤：
[0009]S1采集隧道历史数据，并从历史数据中提取出历史特征数据；
[0010]S2通过历史特征数据，采用孤立森林算法构建出隧道光强异常判定模型Y；
[0011]S3利用隧道光强异常判定模型Y剔除历史特征数据中的异常数据，并采用3Sigma原则计算出不同特征的调光基准值；
[0012]S4采集隧道内的实时特征数据，利用光强异常判定模型Y对实时数据集X进行判断，并根据判定结果输出智能调光等级。
[0013]在一些实施例中，步骤S1中，所述特征数据包括光强、季节、时点、气候特征数据。
[0014]在一些实施例中，步骤S2中，隧道光强异常判定模型Y的构建包括如下步骤：
[0015]采集影响光强的关键指标数据；
[0016]依次对关键指标数据进行清洗、预处理，提取出特征数据；
[0017]利用IForest算法构建出光强异常判定模型Y。
[0018]在一些实施例中，步骤S3中，用隧道光强异常判定模型Y剔除历史特征数据中的异常数据，包括如下步骤：
[0019]利用光强异常判定模型Y，对历史特征数据集Z0进行判定，筛选出需要剔除的异常数据，并保留清洗后的历史特征数据集Z1。
[0020]在一些实施例中，步骤S3中，调光基准值的计算包括如下步骤：
[0021]利用历史特征数据集Z1，采用3sigma原则计算出不同特征的调光基准值，并保留为数据集B，数据集B的具体格式如下所示：
[0022]B＝{s
i
,h
j
,w
k
,b
n
}
[0023]其中：
[0024]s
i
表示第一特征，h
j
表示第二特征，w
k
表示第三特征，其中，i、j、k的取值范围分别根据第一特征、第二特征、第三特征的属性或分类进行确定；
[0025]b
n
表示调光基准值，n的取值范围为1至i*j*k，分别代表不同特征的调光基准值。
[0026]优选的，所述数据集B的具体格式如下所示：
[0027]B＝{s
i
,h
j
,w
k
,b
n
}
[0028]其中：
[0029]s
i
表示季节特征，i的取值范围为1至4，代表一年的4个季度；
[0030]h
j
表示时点特征，j的取值范围为0至23，代表一天中的24小时；
[0031]w
k
表示气候特征，k的取值范围为1至k，代表k种气候，例如晴天、雨天、阴天、雾天等；
[0032]b
n
表示调光基准值，n的取值范围为1至i*j*k，代表不同季节、不同时点、不同气候的调光基准值。
[0033]在一些实施例中，步骤S4中，实时数据集的判断包括如下步骤：
[0034]利用光强异常判定模型Y，对实时数据集X进行判定，若实时数据集X判定为异常，则调用调光基准值数据集B中的光强数据；若实时数据集X判定为正常，则保留实时数据集X的光强数据，并记录此步骤返回的正常光强数据为Lo。
[0035]在一些实施例中，步骤S4中，智能调光等级的确定包括如下步骤：
[0036]将正常光强数据Lo与执行级别进行对比，确定智能调光等级。
[0037]第二方面，本申请公开了一种基于孤立森林和3Sigma原则的隧道智慧调光系统，所述系统包括：
[0038]数据采集模块：用于采集隧道内的历史特征数据和实时特征数据；
[0039]数据分析模块：对数据采集模块采集到的历史特征数据进行分析，并根据分析结果构建隧道光强异常判定模型；
[0040]计算模块：根据隧道光强异常判定模型计算隧道内不同特征的调光基准值；
[0041]光源调控模块：根据数据采集模块采集到的隧道内的实时数据，调控隧道内光源，以使隧道内的光照度达到《公路隧道照明设计细则》(JTG/T D70/2
‑
01
‑
2014)中规定的执行级别。
[0042]第三方面，本申请公开了一种计算机储存介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如第一方面所述的方法。
[0043]与现有技术相比，本专利技术具有如下有益效果：
[0044]本专利技术提供的基于孤立森林和3Sigma原则的隧道智慧调光方法，通过从隧道数据资源中提取历史光强数据、季节数据、气候数据、时点数据等特征，能够判定历史和实时光
强数据是否异常，并给出正确的调光等级，使用智能调光后总体用电量的平均节能比例达到48.39％，说明提出的模型对隧道运营成本的下降有重要意义。
附图说明
[0045]图1为本申请基于孤立森林和3Sigma原则的隧道智慧调光方法流程图；
[0046]图2为本申请中光强异常判定模型构建流程图；
[0047]图3为本申请中晴天状态下不同时点的光强基准值及其执行级别示意图；
[0048]图4为本申请中各个隧道在使用智能调光前后的用电量对比图。
具体实施方式
[0049]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孤立森林和3Sigma原则的隧道智慧调光方法，其特征在于，包括如下步骤：S1采集隧道历史数据，并从历史数据中提取出历史特征数据；S2通过历史特征数据，采用孤立森林算法构建出隧道光强异常判定模型Y；S3利用隧道光强异常判定模型Y剔除历史特征数据中的异常数据，并采用3Sigma原则计算出不同特征的调光基准值；S4采集隧道内的实时特征数据，利用光强异常判定模型Y对实时数据集X进行判断，并根据判定结果输出智能调光等级。2.根据权利要求1所述的基于孤立森林和3Sigma原则的隧道智慧调光方法，其特征在于：步骤S1中，所述特征数据包括光强、季节、时点、气候特征数据。3.根据权利要求1所述的基于孤立森林和3Sigma原则的隧道智慧调光方法，其特征在于，步骤S2中，隧道光强异常判定模型Y的构建包括如下步骤：采集影响光强的关键指标数据；依次对关键指标数据进行清洗、预处理，提取出特征数据；利用IForest算法构建出光强异常判定模型Y。4.根据权利要求1所述的基于孤立森林和3Sigma原则的隧道智慧调光方法，其特征在于，步骤S3中，用隧道光强异常判定模型Y剔除历史特征数据中的异常数据，包括如下步骤：利用光强异常判定模型Y，对历史特征数据集Z0进行判定，筛选出需要剔除的异常数据，并保留清洗后的历史特征数据集Z1。5.根据权利要求4所述的基于孤立森林和3Sigma原则的隧道智慧调光方法，其特征在于，步骤S3中，调光基准值的计算包括如下步骤：利用历史特征数据集Z1，采用3sigma原则计算出不同特征的调光基准值，并保留为数据集B，数据集B的具体格式如下所示：B＝{s
i
，h
j
，w
k
，b
n
}其中：s
i
表示第一特征，h
j
表示第二特征，w
k
表示第三特征，其中，i、j、k的取值范围分别根据第一特征、第二特征、第三特征的属性或分类进行确定；b
n
表示调光基准值，n的取值范围为1至i*j*k，分别代表不同特征的调光基准值。6.根据权利要求5所述的基于孤立森林和3Sigma原...

【专利技术属性】
技术研发人员：邢万勇，吴旭明，涂娅敏，林文，黄赟，
申请(专利权)人：广东利通科技投资有限公司，
类型：发明
国别省市：