【技术实现步骤摘要】
本申请实施例涉及计算机，尤其涉及通道入口导流栏杆角度调整的控制方法和装置。
技术介绍
1、在某些商场、火车站或地铁站等人员相对密集的场合，当客流量增加时，在主要固定通道的入口处难免会产生拥挤现象，不仅仅影响了人群的通行速率，而且大大增加了发生事故的可能性。除此之外，对于一些大型活动现场往往也需要对大量人员进行疏散，所以需要一种方法来缓解高密度人员在通道入口处的拥堵。目前，人群疏散的问题主要通过人工引导来解决，但是这种方式效率较低。
技术实现思路
1、本申请实施例提出了通道入口导流栏杆角度调整的控制方法和装置。
2、第一方面，本申请的一些实施例提供了一种通道入口导流栏杆角度调整的控制，该方法包括：获取预先建立的系统辨识模型，所述系统辨识模型通过系统辨识的方法由输入输出数据集进行处理得到，所述输入输出数据集中的输入数据包括预设时间段内通道入口处固定长度的导流栏杆的调整角度序列，所述输入输出数据集中的输出数据包括预设时间段内通道入口的瓶颈处客流指标的变换序列；将所述系统辨识模型作为被控对象，通过迭代学习控制算法确定疏散过程各时间节点所述导流栏杆角度调整的控制数据；基于所述控制数据对所述导流栏杆进行控制。
3、在一些实施例中，所述基于所述控制数据对所述导流栏杆进行控制，包括：存储所述各时间节点所述导流栏杆角度调整的控制数据；确定系统是否运行到所述各时间节点中的时间节点；若是，则查询运行到的时间节点对应的导流栏杆角度调整的控制数据；根据查询到的控制数据调整所述导流栏杆
4、在一些实施例中，所述输入输出数据集通过以下步骤得到：基于社会力模型的个体运动仿真软件，构建通道入口的三维仿真场景；在所述三维仿真场景中加入人群，模拟所述通道入口固定长度导流栏杆不同调整角度的疏散场景，在预先设置的时间节点进行采样得到瓶颈处客流指标。
5、在一些实施例中，所述系统辨识模型选取rbf-arx模型作为模型结构对象，所述rbf-arx模型结构为：
6、
7、其中，y和u表示模型的输出与输入，为系统状态变量，为高斯白噪声，、和是状态相依的模型函数系数，，和为rbf网络的线性权重，，，和nx是模型阶次，、和为比例系数，表示向量二范式，和为rbf的网络中心，为系统延时。
8、在一些实施例中，所述系统辨识模型的建立步骤包括：模型参数辨识，所述模型参数辨识，包括对模型参数的估计和阶次的选择；所述对模型参数的估计，包括：采取结构化非线性参数优化策略进行选优，将参数寻找空间分为非线性参数子空间和线性参数子空间；基于类列文伯格-马夸尔特算法对非线性参数空间中的非线性参数进行优化，使用线性最小二乘法对线性参数空间中的线性参数进行优化。
9、在一些实施例中，所述阶次的选择，包括：通过计算备选模型的赤池信息准则aic值，找出最小aic值对应的模型阶次作为所述系统辨识模型的阶次。
10、在一些实施例中，所述rbf-arx模型中的参数分为线性参数和非线性参数，其中，所述非线性参数表示为：
11、，
12、线性参数表示为：
13、，
14、基于辨识向量，所述rbf-arx表示为：；以及所述通过计算备选模型的赤池信息准则aic值，找出最小aic值对应的模型阶次作为所述系统辨识模型的阶次，包括：根据预设规则确定备选的和；计算备选的和的aic值；将最小的aic值对应的和确定为所述系统辨识模型的阶次；其中，所述aic值的计算公式如下：；其中，表示辨识数据个数，表示模型方差，表示所要辨识参数的个数，通过以下公式计算：；其中，为所述rbf-arx模型的非线性参数个数，为所述rbf-arx模型的线性参数个数，和为预先设置的。
15、在一些实施例中，所述对模型参数的估计，包括：确定非线性参数的初始值，其中，比例因子的初始值通过以下公式确定：
16、；其中，，为状态变量中随机选取的值或状态变量的均值；根据以下公式利用最小二乘法计算线性参数的初始值：
17、；
18、其中，是rbf-arx模型所采集的输出数据的集合，表示所述集合中的数据个数，表示rbf-arx模型的最大延时；基于以下优化目标函数对模型参数进行寻优：
19、；
20、其中，是模型的一步向前与预测输出，通过公式计算，表示迭代步数，关于的雅可比矩阵为，非线性参数的更新策略通过公式来表示，表示步长，表示寻优方向，由公式来确定，利用以下最小二乘法公式进行更新：
21、；
22、当寻优结果不满足，寻优结束，得到所述系统辨识模型的辨识参数。
23、在一些实施例中，所述将所述系统辨识模型作为被控对象，通过迭代学习控制算法确定疏散过程各时间节点所述导流栏杆角度调整的控制数据，包括：基于所述系统辨识模型的状态空间表达式，通过d型学习律的迭代学习控制ilc算法找到合适的输入使得系统在该控制信号的作用下，系统的输出的轨迹一致收敛于期望的轨迹，其中，所述系统辨识模型的状态空间表达式如下：
24、；
25、其中，
26、所述系统辨识模型的状态空间表达式的迭代学习律如下：
27、；其中，为迭代次数，为定常的学习增益矩阵，为所述预设时间段，为系统的跟踪误差，通过以下公式计算：
28、，；其中，当系统满足以下公式时，所述系统的输出的轨迹一致收敛于期望的轨迹：
29、，其中，为非负数。
30、第二方面，本申请的一些实施例提供了一种通道入口导流栏杆角度调整的控制装置，该装置包括：获取单元，被配置成获取预先建立的系统辨识模型，所述系统辨识模型通过系统辨识的方法由输入输出数据集进行处理得到，所述输入输出数据集中的输入数据包括预设时间段内通道入口处固定长度的导流栏杆的调整角度序列，所述输入输出数据集中的输出数据包括预设时间段内通道入口的瓶颈处客流指标的变换序列；确定单元，被配置成将所述系统辨识模型作为被控对象，通过迭代学习控制算法确定疏散过程各时间节点所述导流栏杆角度调整的控制数据；控制单元，被配置成基于所述控制数据对所述导流栏杆进行控制。
31、在一些实施例中，所述控制单元，进一步被配置成：存储所述各时间节点所述导流栏杆角度调整的控制数据；确定系统是否运行到所述各时间节点中的时间节点；若是，则查询运行到的时间节点对应的导流栏杆角度调整的控制数据；根据查询到的控制数据调整所述导流栏杆的角度。
32、在一些实施例中，所述装置还包括仿真单元，所述仿真单元被配置为通过以下步骤得到所述输入输出数据集：基于社会力模型的个体运动仿真软件，构建通道入口的三维仿真场景；在所述三维仿真场景中加入人群，模拟所述通道入口固定长度导流栏杆不同调整角度的疏散场景，在预先设置的时间节点进行采样得到瓶颈处客流指标。
33、在一些实施例中，所述系统辨识模型选取rbf-arx模型作为模型结构对象，所述rbf-arx本文档来自技高网...
【技术保护点】
1.一种通道入口导流栏杆角度调整的控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述控制数据对所述导流栏杆进行控制，包括：
3.根据权利要求1所述的方法，其特征在于，所述输入输出数据集通过以下步骤得到：
4.根据权利要求1所述的方法，其特征在于，所述系统辨识模型选取RBF-ARX模型作为模型结构对象，所述RBF-ARX模型结构为：
5.根据权利要求4所述的方法，其特征在于，所述系统辨识模型的建立步骤包括：
6.根据权利要求5所述的方法，其特征在于，所述阶次的选择，包括：
7.根据权利要求6所述的方法，其特征在于，所述RBF-ARX模型中的参数分为线性参数和非线性参数，其中，所述非线性参数表示为：
8.根据权利要求7所述的方法，其特征在于，所述对模型参数的估计，包括：
9.根据权利要求4所述的方法，其特征在于，所述将所述系统辨识模型作为被控对象，通过迭代学习控制算法确定疏散过程各时间节点所述导流栏杆角度调整的控制数据，包括：
10.一种通道入
...【技术特征摘要】
1.一种通道入口导流栏杆角度调整的控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述控制数据对所述导流栏杆进行控制，包括：
3.根据权利要求1所述的方法，其特征在于，所述输入输出数据集通过以下步骤得到：
4.根据权利要求1所述的方法，其特征在于，所述系统辨识模型选取rbf-arx模型作为模型结构对象，所述rbf-arx模型结构为：
5.根据权利要求4所述的方法，其特征在于，所述系统辨识模型的建立步骤包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：杨晓霞，张国庆，董海荣，康元磊，马浩，黄帅，周敏，张永亮，曲大义，朱兆文，史云娣，周亚博，周波，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。