一种多源特征数据融合的隧道智能调光方法及系统技术方案

本申请提供一种多源特征数据融合的隧道智能调光方法及系统，通过获取光照调节策略样本序列调试得到目标光照调节策略预估网络

【技术实现步骤摘要】
一种多源特征数据融合的隧道智能调光方法及系统


[0001]本申请涉及数据处理
、
人工智能领域，具体而言，涉及一种多源特征数据融合的隧道智能调光方法及系统
。

技术介绍

[0002]隧道调光是一种针对道路隧道照明系统的调光技术
。
在传统的隧道照明系统中，通常使用恒定亮度的照明设备来提供足够的照明强度，以确保驾驶员在隧道内能够看清道路和周围环境
。
然而，这种恒定亮度的照明方式存在一些问题，包括能源浪费
、
照明强度不适应外部光线变化等
。
隧道智能调光旨在解决这些问题
。
它通过使用可调节亮度的照明设备，根据隧道内外光线的变化情况自动调整照明强度
、
角度
、
灯光数量
。
隧道调光技术以其节能
、
提高安全性和改善驾驶舒适性等方面的优势，在道路隧道照明领域具有重要意义
。
它不仅可以减少能源消耗和环境污染，还可以提升驾驶安全性和舒适性，为道路交通提供更加智能高效的照明解决方案
。
随着智能化程度地提升，综合各种环境数据进行隧道灯光的多模式切换已经成为高速公路的新议题，例如基于多源数据特征分析进行灯光调节策略制定，该过程可以借助人工智能工具实现，而如何提高数据分析效率和准确性是需要考虑的技术问题
。

技术实现思路

[0003]本专利技术的目的在于提供一种多源特征数据融合的隧道智能调光方法及系统，以改善上述问题
。
[0004]本申请实施例的实现方式如下：第一方面，本申请实施例提供一种多源特征数据融合的隧道智能调光方法，所述方法包括：获取光照调节策略样本序列，将所述光照调节策略样本序列加载到初始光照调节策略预估网络，所述光照调节策略样本序列包括按时序排布的相关的光照调节策略；基于所述初始光照调节策略预估网络，在预设状态表征向量集中确定所述光照调节策略样本序列中位于目标分布区间之前的各光照调节策略对应的状态表征向量，对位于所述目标分布区间之前的各光照调节策略对应的状态表征向量进行表征向量解析，得到所述目标分布区间对应的推理调节策略表征向量，基于所述目标分布区间对应的推理调节策略表征向量，得到在所述目标分布区间上的光照调节策略对应的推理置信度；所述目标分布区间为在所述光照调节策略样本序列对应的各光照调节策略分布区间中确定得到，所述推理置信度表征在所述目标分布区间上的光照调节策略对应的隧道多源数据集和所述目标分布区间对应的在先隧道多源数据集序列的推理牵涉系数，所述在先隧道多源数据集序列包括位于所述目标分布区间之前的各光照调节策略对应的隧道多源数据集；基于所述光照调节策略样本序列中在各个目标分布区间上的光照调节策略分别对应的推理置信度，得到网络误差；
基于所述网络误差修正所述初始光照调节策略预估网络的网络可学习变量，直到符合第一调试截止要求，得到目标光照调节策略预估网络；所述目标光照调节策略预估网络被配置为对目标隧道进行光照调节策略制定
。
[0005]可选的实施方式中，所述方法还包括：获取候选隧道多源数据集队列中各个隧道多源数据集分别对应的初始量化表征向量，将所述各个隧道多源数据集分别对应的初始量化表征向量加载到目标环境状态提取网络；对各个初始量化表征向量中任意的初始量化表征向量，基于目标环境状态提取网络对隧道多源数据集对应的初始量化表征向量进行特征提炼，得到隧道多源数据集对应的过渡量化表征向量，对隧道多源数据集对应的过渡量化表征向量进行降维处理，得到隧道多源数据集对应的状态表征向量；基于所述各个隧道多源数据集分别对应的状态表征向量，得到所述预设状态表征向量集
。
[0006]可选的实施方式中，所述获取候选隧道多源数据集队列中各个隧道多源数据集分别对应的初始量化表征向量，包括：获取候选隧道多源数据集队列中各个隧道多源数据集分别对应的隧道多源组成数据集合；对各个隧道多源组成数据集合中任意的隧道多源组成数据集合，对隧道多源组成数据集合中的各个多源组成数据进行表征向量挖掘，得到各个多源组成数据分别对应的多源组成数据表征向量，融合各个多源组成数据分别对应的多源组成数据表征向量，得到隧道多源组成数据集合所属隧道多源数据集对应的初始量化表征向量；所述方法还包括：获取隧道多源数据集样本对；将所述隧道多源数据集样本对中的第一隧道多源数据集加载到拟调试的第一环境状态提取网络，得到所述第一隧道多源数据集对应的状态表征向量，将所述隧道多源数据集样本对中的第二隧道多源数据集加载到拟调试的第二环境状态提取网络，得到所述第二隧道多源数据集对应的状态表征向量；基于所述第一隧道多源数据集对应的状态表征向量和所述第二隧道多源数据集对应的状态表征向量之间的共性度量结果，得到所述隧道多源数据集样本对对应的隧道多源数据集牵涉预估标记；基于所述隧道多源数据集样本对对应的隧道多源数据集牵涉样本标记和隧道多源数据集牵涉预估标记之间的误差，修正所述拟调试的第一环境状态提取网络和第二环境状态提取网络的网络可学习变量，直到符合第二调试截止要求，得到调试好的第一环境状态提取网络和第二环境状态提取网络；所述目标环境状态提取网络为在所述调试好的第一环境状态提取网络和第二环境状态提取网络中确定得到
。
[0007]可选的实施方式中，所述方法还包括：基于所述初始光照调节策略预估网络，获取位于所述目标分布区间之前的各光照调节策略分布区间分别对应的位置量化表征向量，将光照调节策略对应的状态表征向量和光照调节策略所属光照调节策略分布区间对应的位置量化表征向量进行整合，分别得到所
述光照调节策略样本序列中位于所述目标分布区间之前的各光照调节策略对应的整合量化表征向量；所述对位于所述目标分布区间之前的各光照调节策略对应的状态表征向量进行表征向量解析，得到所述目标分布区间对应的推理调节策略表征向量，包括：对位于所述目标分布区间之前的各光照调节策略对应的整合量化表征向量进行表征向量解析，得到所述目标分布区间对应的推理调节策略表征向量
。
[0008]可选的实施方式中，所述基于所述目标分布区间对应的推理调节策略表征向量，得到在所述目标分布区间上的光照调节策略对应的推理置信度，包括：将所述目标分布区间对应的推理调节策略表征向量进行向量映射，得到所述目标分布区间对应的初始隧道多源数据集分布表征向量；所述初始隧道多源数据集分布表征向量包括候选隧道多源数据集队列中各个隧道多源数据集分别对应的特征向量；对所述初始隧道多源数据集分布表征向量进行归一化处理，得到所述目标分布区间对应的目标隧道多源数据集分布表征向量；所述目标隧道多源数据集分布表征向量包括所述候选隧道多源数据集队列中各个隧道多源数据集分别对应的推理置信度；所述候选隧道多源数据集队列包括所述光照调节策略样本序列中各光照调节策略分别对应的隧道多源数据集；在所述目标隧道多源数据集分布表征向量中确定在所述目标分布区间上的光照调节策略对应的推理置信度
。
[0009本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多源特征数据融合的隧道智能调光方法，其特征在于，所述方法包括：获取光照调节策略样本序列，将所述光照调节策略样本序列加载到初始光照调节策略预估网络，所述光照调节策略样本序列包括按时序排布的相关的光照调节策略；基于所述初始光照调节策略预估网络，在预设状态表征向量集中确定所述光照调节策略样本序列中位于目标分布区间之前的各光照调节策略对应的状态表征向量，对位于所述目标分布区间之前的各光照调节策略对应的状态表征向量进行表征向量解析，得到所述目标分布区间对应的推理调节策略表征向量，基于所述目标分布区间对应的推理调节策略表征向量，得到在所述目标分布区间上的光照调节策略对应的推理置信度；所述目标分布区间为在所述光照调节策略样本序列对应的各光照调节策略分布区间中确定得到，所述推理置信度表征在所述目标分布区间上的光照调节策略对应的隧道多源数据集和所述目标分布区间对应的在先隧道多源数据集序列的推理牵涉系数，所述在先隧道多源数据集序列包括位于所述目标分布区间之前的各光照调节策略对应的隧道多源数据集；基于所述光照调节策略样本序列中在各个目标分布区间上的光照调节策略分别对应的推理置信度，得到网络误差；基于所述网络误差修正所述初始光照调节策略预估网络的网络可学习变量，直到符合第一调试截止要求，得到目标光照调节策略预估网络；所述目标光照调节策略预估网络被配置为对目标隧道进行光照调节策略制定
。2.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取候选隧道多源数据集队列中各个隧道多源数据集分别对应的初始量化表征向量，将所述各个隧道多源数据集分别对应的初始量化表征向量加载到目标环境状态提取网络；对各个初始量化表征向量中任意的初始量化表征向量，基于目标环境状态提取网络对隧道多源数据集对应的初始量化表征向量进行特征提炼，得到隧道多源数据集对应的过渡量化表征向量，对隧道多源数据集对应的过渡量化表征向量进行降维处理，得到隧道多源数据集对应的状态表征向量；基于所述各个隧道多源数据集分别对应的状态表征向量，得到所述预设状态表征向量集
。3.
根据权利要求2所述的方法，其特征在于，所述获取候选隧道多源数据集队列中各个隧道多源数据集分别对应的初始量化表征向量，包括：获取候选隧道多源数据集队列中各个隧道多源数据集分别对应的隧道多源组成数据集合；对各个隧道多源组成数据集合中任意的隧道多源组成数据集合，对隧道多源组成数据集合中的各个多源组成数据进行表征向量挖掘，得到各个多源组成数据分别对应的多源组成数据表征向量，融合各个多源组成数据分别对应的多源组成数据表征向量，得到隧道多源组成数据集合所属隧道多源数据集对应的初始量化表征向量；所述方法还包括：获取隧道多源数据集样本对；将所述隧道多源数据集样本对中的第一隧道多源数据集加载到拟调试的第一环境状态提取网络，得到所述第一隧道多源数据集对应的状态表征向量，将所述隧道多源数据集样本对中的第二隧道多源数据集加载到拟调试的第二环境状态提取网络，得到所述第二隧
道多源数据集对应的状态表征向量；基于所述第一隧道多源数据集对应的状态表征向量和所述第二隧道多源数据集对应的状态表征向量之间的共性度量结果，得到所述隧道多源数据集样本对对应的隧道多源数据集牵涉预估标记；基于所述隧道多源数据集样本对对应的隧道多源数据集牵涉样本标记和隧道多源数据集牵涉预估标记之间的误差，修正所述拟调试的第一环境状态提取网络和第二环境状态提取网络的网络可学习变量，直到符合第二调试截止要求，得到调试好的第一环境状态提取网络和第二环境状态提取网络；所述目标环境状态提取网络为在所述调试好的第一环境状态提取网络和第二环境状态提取网络中确定得到
。4.
根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述初始光照调节策略预估网络，获取位于所述目标分布区间之前的各光照调节策略分布区间分别对应的位置量化表征向量，将光照调节策略对应的状态表征向量和光照调节策略所属光照调节策略分布区间对应的位置量化表征向量进行整合，分别得到所述光照调节策略样本序列中位于所述目标分布区间之前的各光照调节策略对应的整合量化表征向量；所述对位于所述目标分布区间之前的各光照调节策略对应的状态表征向量进行表征向量解析，得到所述目标分布区间对应的推理调节策略表征向量，包括：对位于所述目标分布区间之前的各光照调节策略对应的整合量化表征向量进行表征向量解析，得到所述目标分布区间对应的推理调节策略表征向量
。5.
根据权利要求1所述的方法，其特征在于，所述基于所述目标分布区间对应的推理调节策略表征向量，得到在所述目标分布区间上的光照调节策略对应的推理置信度，包括：将所述目标分布区间对应的推理调节策略表征向量进行向量映射，得到所述目标分布区间对应的初始隧道多源数据集分布表征向量；所述初始隧道多源数据集分布表征向量包括候选隧道...

【专利技术属性】
技术研发人员：刘方杰，李关林，韦善乐，杨再培，邓代俊，邓建平，刘洋洋，陈超，
申请(专利权)人：贵州新思维科技有限责任公司，
类型：发明
国别省市：