基于注意力机制的隧道节能调光深度学习智能控制方法技术

本发明专利技术公开了一种基于注意力机制的隧道节能调光深度学习智能控制方法，属于智能隧道技术领域，该方法包括：分析影响隧道出入口照明的因素，确认隧道调光的外部状态信号；构建注意力网络，所述构建注意力网络用于根据外部状态信号自动挖掘外部状态信号与隧道调光的关联关系，并根据关联程度对外部状态信号赋予不同的重要性，即对外部状态信号进行权值分配；运用深度学习算法构建基于深度学习算法的隧道调光模型，所述隧道调光模型的输入为外部状态信号，隧道调光模型根据注意力网络输出权值分配设置内部参数，使隧道调光模型输出调光参数；调光控制器根据隧道调光模型输出的调光参数对隧道进行节能调光

【技术实现步骤摘要】
基于注意力机制的隧道节能调光深度学习智能控制方法


[0001]本专利技术涉及智能隧道
，具体而言，涉及一种基于注意力机制的隧道节能调光深度学习智能控制方法
。

技术介绍

[0002]公路隧道已成为我国公路的重要组成部分
。
随着山区公路隧道的增加与长大化
,
隧道的交通安全形势越来越严峻
,
隧道安全与节能的矛盾越显突出
。
隧道出入口过大的光环境差异形成的“黑洞效应”、“白洞效应”使驾驶员产生视觉滞后
,
影响驾驶员对道路与交通状况的认知及行车的安全舒适性
。
传统的隧道调光仅停留在改变隧道内亮度层面上
,
隧道调光控制策略和技术缺乏客观
、
安全
、
节能系统化研究
。
在隧道照明调光主要包括阶梯调光和连续调光；与阶梯调光相比，连续调光因其可调性更强
、
亮度变化更连续而更受欢迎，然而交通繁忙时期车辆的频繁进出，让光变亮和变暗的切换频率很高
(
高达每小时
23
次
)
，降低了调光系统的寿命
。
以往的研究和工程实践都一味强调隧道调光的节能效益，忽略了调光过程中亮度变化导致的安全隐患
。
瞬时和剧烈的亮度变化显著降低了驾驶员的视觉表现
。
因此往往不能很好满足安全与节能的系统化需求
,
同时在隧道调光控制上缺乏智能化的研究
。
因此，亟需一种基于注意力机制的隧道节能调光深度学习智能控制方法
。

技术实现思路

[0003]本申请的主要目的在于提供一种基于注意力机制的隧道节能调光深度学习智能控制方法
,
以至少解决目前照明控制系统存在的不足的问题
。
[0004]为实现上述目的，根据本申请的一个方面，提供了一种基于注意力机制的隧道节能调光深度学习智能控制方法，包括：
[0005]确认隧道调光的外部状态信号；
[0006]构建注意力网络，所述构建注意力网络用于根据外部状态信号自动挖掘外部状态信号与隧道调光的关联关系，并根据关联程度对外部状态信号赋予不同的重要性，即对外部状态信号进行权值分配；
[0007]运用深度学习算法构建基于深度学习算法的隧道调光模型，所述隧道调光模型的输入为外部状态信号，隧道调光模型根据注意力网络输出权值分配设置内部参数，使隧道调光模型输出调光参数；
[0008]调光控制器根据隧道调光模型输出的调光参数对隧道进行节能调光
。
[0009]可选地，外部状态信号包括：车流量
、
洞外亮度
、
洞内照度
、
时间
、
季节及天气数据
。
[0010]可选地，构建注意力网络包括：
[0011]构建基础的注意力网络，确定第一层网络用于挖掘外部状态信号与隧道节能的相关性，并输出相关性系数；
[0012]softmax
权重重要性分配层采用
softmax
函数实现注意力评分操作，
softmax
函数将上一层网络输出的相关性系数转化为权值；
[0013]根据权值对部状态信号进行加权，并讲过加权后的数据作为注意力网络的输入，注意力网络的输出为外部状态信号的权值比重
。
[0014]可选地，所述权值通过状态信号权重矩阵计算得到
。
[0015]可选地，所述状态信号权重矩阵
a
k
的表达式为：
[0016][0017]其中，
r
为相关性系数，
k
为
0、1、.....、i。
[0018]可选地，所述相关性系数
r
的表达式为：
[0019]r
＝
activation(W
xk
+b)
[0020]其中，
W
xk
为单元的权重，
b
为偏差
。
[0021]可选地，所述隧道调光模型引入
Dropout
正则化方法防止隧道调光模型过拟合
。
[0022]根据本申请的再一方面，还提供了一种基于注意力机制的隧道节能调光深度学习智能控制装置，包括：
[0023]外部状态信号模块，用于分析影响隧道出入口照明的因素，确认隧道调光的外部状态信号；
[0024]注意力网络模块，用于构建注意力网络，所述构建注意力网络用于根据外部状态信号自动挖掘外部状态信号与隧道调光的关联关系，并根据关联程度对外部状态信号赋予不同的重要性，即对外部状态信号进行权值分配；
[0025]隧道调光模型，用于运用深度学习算法构建基于深度学习算法的隧道调光模型，所述隧道调光模型的输入为外部状态信号，隧道调光模型根据注意力网络输出权值分配设置内部参数，使隧道调光模型输出调光参数；
[0026]调光控制器，用于根据隧道调光模型输出的调光参数对隧道进行节能调光
。
[0027]根据本申请的一方面，提供了一种计算机可读存储介质，其特征在于，所述计算机可读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计算机可读存储介质所在设备执行任意一项一种所述的基于注意力机制的隧道节能调光深度学习智能控制方法
。
[0028]根据本申请的又一个方面，一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行任意一项一种所述的基于注意力机制的隧道节能调光深度学习智能控制方法
。
[0029]与现有的技术相比，本专利技术具有如下有益效果：
[0030]1、
本申请针对目前照明控制系统存在的不足
,
以提高高速公路隧道出入口照明质量
、
降低隧道出入口的“白洞”和“黑洞”效应
,
实现隧道的智能化节能调光为目标，分析影响隧道出入口照明的因素，确定重点分析车流量
、
洞外亮度
、
洞内照度
、
时间段
、
季节
。
天气信息对隧道行车安全前提下对隧道节能的影响
。
[0031]2、
从控制系统的智能化出发
,
将深度学习算法应用于照明控制
,
设计和开发智能照明控制系统
,
通过运用深度学习算法实现隧道出入口照明的智能控制并将其应用于实际工程
。
[0032]3、
本专利技术的开展和实施
,
不仅有助于隧道照明智能控制水平的提高，而且对改善隧道人工照明质量
、
降低照明能耗与运营成本，营造安全舒适的行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于注意力机制的隧道节能调光深度学习智能控制方法，其特征在于，包括：分析影响隧道出入口照明的因素，确认隧道调光的外部状态信号；构建注意力网络，所述构建注意力网络用于根据外部状态信号自动挖掘外部状态信号与隧道调光的关联关系，并根据关联程度对外部状态信号赋予不同的重要性，即对外部状态信号进行权值分配；运用深度学习算法构建基于深度学习算法的隧道调光模型，所述隧道调光模型的输入为外部状态信号，隧道调光模型根据注意力网络输出权值分配设置内部参数，使隧道调光模型输出调光参数；调光控制器根据隧道调光模型输出的调光参数对隧道进行节能调光
。2.
根据权利要求1所述的基于注意力机制的隧道节能调光深度学习智能控制方法，其特征在于，外部状态信号包括：车流量
、
洞外亮度
、
洞内照度
、
时间
、
季节及天气数据
。3.
根据权利要求1所述的基于注意力机制的隧道节能调光深度学习智能控制方法，其特征在于，构建注意力网络包括：构建基础的注意力网络，确定第一层网络用于挖掘外部状态信号与隧道节能的相关性，并输出相关性系数；
softmax
权重重要性分配层采用
softmax
函数实现注意力评分操作，
softmax
函数将上一层网络输出的相关性系数转化为权值；根据权值对部状态信号进行加权，并讲过加权后的数据作为注意力网络的输入，注意力网络的输出为外部状态信号的权值比重
。4.
根据权利要求3所述的基于注意力机制的隧道节能调光深度学习智能控制方法，其特征在于，所述权值通过状态信号权重矩阵计算得到
。5.
根据权利要求4所述的基于注意力机制的隧道节能调光深度学习智能控制方法，其特征在于，所述状态信号权重矩阵
a
k
的表达式为：其中，
r
为相关性系数，
...

【专利技术属性】
技术研发人员：廖建敏，黄本锐，甘桂裕，陈涛，李俊辉，聂林焕，黄亮，梁伟，陈健国，覃信满，
申请(专利权)人：广西机械工业研究院有限责任公司，
类型：发明
国别省市：