CN113015297B - 一种基于交通流预测的道路智能照明系统 - Google Patents

一种基于交通流预测的道路智能照明系统 Download PDF

Info

Publication number
CN113015297B
CN113015297B CN202110195675.6A CN202110195675A CN113015297B CN 113015297 B CN113015297 B CN 113015297B CN 202110195675 A CN202110195675 A CN 202110195675A CN 113015297 B CN113015297 B CN 113015297B
Authority
CN
China
Prior art keywords
traffic flow
road
module
lighting
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110195675.6A
Other languages
English (en)
Other versions
CN113015297A (zh
Inventor
聂铃
张剑
张智
胡茂政
熊海晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Engineering Science
Original Assignee
Shanghai University of Engineering Science
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai University of Engineering Science filed Critical Shanghai University of Engineering Science
Priority to CN202110195675.6A priority Critical patent/CN113015297B/zh
Publication of CN113015297A publication Critical patent/CN113015297A/zh
Application granted granted Critical
Publication of CN113015297B publication Critical patent/CN113015297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient light
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于交通流预测的道路智能照明系统，包括照明控制模块和照明终端，照明控制模块与照明终端相连接，照明控制模块包括数据采集处理子模块、数据存储子模块、光照强度判断子模块、照明开启子模块、交通流预测子模块、照明光照强度设定子模块、雨雾雪检测传感器子模块、照明光线颜色设定子模块以及控制以上各子模块的计算机程序。与现有技术相比，本发明具有结构简单、耗能低效率高、控制流程操作快捷、可实施性强等优点。

Description

一种基于交通流预测的道路智能照明系统
技术领域
本发明涉及交通道路照明系统智能控制技术领域，尤其是涉及一种基于交通流预测的道路智能照明系统。
背景技术
目前，交通道路采用的照明系统，通常在照明时间段内一直保持着全亮状态，并不会根据具体时间，地点，交通流量来分时段调节照明灯光的亮度，因此目前的交通道路照明系统输出功率大且效率低，极易造成浪费电能的现象。
虽然，目前交通道路采用的照明光线已经由传统的黄色钠光转换为白色LED灯，在能见度高的天气下，白色LED灯相比较于黄色钠光占着绝对优势，人们平时在白色光线下视觉识别较为清晰，此时白光路灯即可提升交通行驶安全，但在能见度较低的天气下则恰恰相反，当在下雨、雪、雾天气下，白光因为反射率强，空气中颗粒造成白光扩散反射，此时白光穿透性较差，极易造成交通事故，再加上雨、雾、雪天气来临的随机性较大，因此，行驶车辆仍面临着行车安全隐患。而黄光衍射性好、散射强度高和辐射波长等特点，使灯光穿透能力更强，能有效解决在能见度低的天气下行车安全问题。
现有的交通流预测模型通常采用时间序列进行交通流预测，只考虑了时间相关性对于交通流预测的影响，但交通道路四通八达，通常一条道路的交通流受到相邻道路交通流的影响，所以对于道路交通流的预测，必须考虑相邻道路交通流状况。
现有的交通道路采用的大多数照明系统，并没有同时实现根据外界光线强度自动启闭照明系统，根据融合时空相关性和时间相关性的交通流预测方法得到的交通流实时预测结果调节照明灯光的亮度，根据环境气候的变化自动调节灯光色温这三个功能，因此，需要对现有的交通道路智能照明系统进行改进。
发明内容
本发明的目的就是为了克服上述现有技术存在的无法自动启闭照明系统、无法调整照明灯光的亮度、无法自动调节灯光色温的缺陷而提供一种基于交通流预测的道路智能照明系统。
本发明的目的可以通过以下技术方案来实现：
一种基于交通流预测的道路智能照明系统，包括照明控制模块和照明终端，照明控制模块与照明终端相连接，所述照明控制模块包括数据采集处理子模块、数据存储子模块、光照强度判断子模块、照明开启子模块、交通流预测子模块、照明光照强度设定子模块、雨雾雪检测传感器子模块、照明光线颜色设定子模块以及控制以上各子模块的计算机程序。
所述数据存储子模块存储有光照强度预先设定阈值、光照强度控制信息和能见度控制信息。
所述道路智能照明系统实现照明控制的具体步骤如下所示：
S1、数据采集处理子模块采集目标预测道路上照明终端所在位置处当前的户外光照强度，转至步骤S3，同时采集并统计照明终端所在位置处当前时间段的交通流量数据，得到该时间段内的交通流数据，转至步骤S2；
S2、数据存储子模块存储当前时间段内的交通流数据，并形成交通流历史数据，转至步骤S4；
S3、光照强度判断子模块判断所述户外光照强度是否小于光照强度预先设定阈值，若是则转至步骤S4，否则返回步骤S1；
S4、照明开启子模块控制照明终端开启照明；
S5、交通流预测子模块根据数据存储子模块储存的交通路网各道路当前时间段的交通流数据和历史交通流数据，采用熵权法融合目标预测道路的空间关联预测值和时间关联预测值，得到目标预测道路的当前时间段的交通流预测数据，并确定下一次进行交通流预测的时间间隔；
S6、照明光照强度设定子模块根据目标预测道路的当前时间段的实时交通流预测数据和光照强度控制信息，计算得到目标光照输出功率；
S7、雨雾雪检测传感器子模块计算目标预测道路的环境能见度；
S8、照明光线颜色设定子模块根据所述环境能见度和能见度控制信息，计算得到目标照明光线颜色；
S9、照明终端根据所述目标光照输出功率和目标照明光线颜色进行照明。
所述步骤S5中存储子模块储存的交通路段的类型包括目标预测道路和与目标预测道路具有高空间相关性的道路，高空间相关性的道路的空间相关系数大于空间相关阈值。
进一步地，所述空间相关系数的计算公式如下所示：
Figure BDA0002946350480000031
其中，ρij(τ)为空间相关系数，Xi，Xj为路段i，j的时间序列上的交通流量，Xi,t为在t时刻时间序列Xi的车流量，Xj,t+d为在t+d时刻时间序列Xj的车流量，
Figure BDA0002946350480000032
和
Figure BDA0002946350480000033
分别为时间序列Xi，Xj的均值，E为数学期望，
Figure BDA0002946350480000034
和
Figure BDA0002946350480000035
分别为时间序列Xi，Xj的方差，ωi,j为空间权重矩阵，计算公式如下所示：
Figure BDA0002946350480000036
其中，i，j为道路网中任意两个路段，当两路段之间空间可达时，空间权重矩阵的取值为1，否则空间权重取值为0。
由于道路网是相通的，邻近车道的交通流状况需要经过一个时间间隔后才会互相影响，因此要计算道路网的空间相关性需要考虑时间延迟。
所述空间关联预测值通过将高相关性的道路交通流量数据作为自变量，建立多元线性回归预测模型计算得到，多元线性回归预测模型的具体公式如下：
P1(t+1)＝β0+β1X1+β2X2+...βnXn+ε
其中，P1(t+1)为空间关联预测值，β0为回归方程的常数项，β1,β2,...,βn是偏回归系数，ε是随机误差项；
目标预测道路的当前时间段的交通流预测数据P(t+1)的计算公式如下所示：
P(t+1)＝λ1P1(t+1)+λ2P2(t+1)
其中，P2(t+1)为时间关联预测值，时间关联预测值基于交通流历史数据采用深度学习回归机算法对目标预测道路的进行时间序列预测计算得到，融合权重λ1和λ2的值由熵权法确定，满足关系：λ1+λ2＝1。
所述交通流预测子模块根据交通流量变化率与变化率阈值对比，确定下一次进行交通流预测的时间间隔，交通流量变化率的计算公式如下所示：
Figure BDA0002946350480000037
其中，P(t+1)为交通流量预测值，P(t)为交通流量当前值，T为预测区间；交通流量变化率较低时的时间间隔大于交通流量变化率较高时的时间间隔。
所述光照强度控制信息具体指根据道路的交通负荷程度的指标来决定照明光照强度，能见度控制信息具体指以融合白光和黄光的形式来调节照明光线颜色。
进一步地，所述照明光线颜色设定子模块设有信号处理器，通过信号处理器控制白光与黄光的照明光线的融合，当环境能见度距离越来越高时，照明光线白光越来越亮，黄光越来越暗；当环境能见度距离越来越低时，照明光线黄光越来越亮，白光越来越暗。
进一步地，所述道路的交通负荷程度的指标通过当前时间段道路交通流量除以该道路的最大通行能力计算得到。
所述雨雾雪检测传感器子模块包括光发射器、光接收器和微处理控制器，所述光发射器向道路发射红外脉冲光，光接收器检测大气中气溶胶粒子前向散射的脉冲光强度，得到检测结果发送给微处理控制器，微处理控制器将检测结果转化为气象光学视程，得到该道路的环境能见度。
与现有技术相比，本发明具有以下有益效果：
本发明控制流程操作快捷，可实施性强，照明控制模块中照明开启子模块可根据光照强度判断子模块检测的外界光线强度自动启闭照明系统，光照强度判断子模块可根据交通流预测子模块融合空间相关性和时间相关性的交通流实时预测模型，得到路段交通流量预测数据实时调节照明灯光的亮度，照明光线判断子模块可根据雨雾雪检测传感器子模块检测得到的外界空气能见度实现白光与黄光的融合，实现照明终端的照明，使得照明系统在不同时间段、不同地点、不同天气条件下均能为道路车辆提供良好的照明环境，同时有效降低了照明系统的耗能，提高了照明效率。
附图说明
图1为本发明的结构示意图；
图2为本发明控制流程的示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
如图1所示，一种基于交通流预测的道路智能照明系统，包括照明控制模块和照明终端，照明控制模块与照明终端相连接，照明控制模块包括数据采集处理子模块、数据存储子模块、光照强度判断子模块、照明开启子模块、交通流预测子模块、照明光照强度设定子模块、雨雾雪检测传感器子模块、照明光线颜色设定子模块以及控制以上各子模块的计算机程序。
本实施例中，照明终端采用的灯为多色温LED灯。
数据存储子模块存储有光照强度预先设定阈值、光照强度控制信息和能见度控制信息，本实施例中，光照强度预先设定阈值为15Lux。
如图2所示，道路智能照明系统实现照明控制的具体步骤如下所示：
S1、数据采集处理子模块采集目标预测道路上照明终端所在位置处当前的户外光照强度，转至步骤S3，同时采集并统计照明终端所在位置处当前时间段的交通流量数据，得到该时间段内的交通流数据，转至步骤S2；
S2、数据存储子模块存储当前时间段内的交通流数据，并形成交通流历史数据，转至步骤S4；
S3、光照强度判断子模块判断户外光照强度是否小于光照强度预先设定阈值，若是则转至步骤S4，否则返回步骤S1；
S4、照明开启子模块控制照明终端开启照明；
S5、交通流预测子模块根据数据存储子模块储存的交通路网各道路当前时间段的交通流数据和历史交通流数据，采用熵权法融合目标预测道路的空间关联预测值和时间关联预测值，得到目标预测道路的当前时间段的交通流预测数据，并确定下一次进行交通流预测的时间间隔；
S6、照明光照强度设定子模块根据目标预测道路的当前时间段的实时交通流预测数据和光照强度控制信息，计算得到目标光照输出功率；
S7、雨雾雪检测传感器子模块计算目标预测道路的环境能见度；
S8、照明光线颜色设定子模块根据环境能见度和能见度控制信息，计算得到目标照明光线颜色；
S9、照明终端根据目标光照输出功率和目标照明光线颜色进行照明。
步骤S5中存储子模块储存的交通路段的类型包括目标预测道路和与目标预测道路具有高空间相关性的道路，高空间相关性的道路的空间相关系数大于空间相关阈值。本实施例中，基于数据存储子模块的交通流历史数据，采用目标预测道路与其相邻各路段前一周的交通流数据，根据空间相关系数计算公式分别计算目标预测道路与其相邻各路段在时间延迟取值范围内相关性系数。对比计算得到的相关性系数，选取最大的相关性系数对应的时间延迟参数则为该路段对应的时间延迟参数。根据得到的不同的路段相对应的时间延迟参数，计算当前时间段目标预测道路与其相邻各路段空间相关性系数。
当空间相关性系数大于等于
Figure BDA0002946350480000061
(n为路网中与目标预测道路相邻的道路个数)，可判定为该道路与目标预测道路是高相关性的。
空间相关系数的计算公式如下所示：
Figure BDA0002946350480000062
其中，ρij(τ)为空间相关系数，Xi，Xj为路段i，j的时间序列上的交通流量，Xi,t为在t时刻时间序列Xi的车流量，Xj,t+d为在t+d时刻时间序列Xj的车流量，
Figure BDA0002946350480000063
和
Figure BDA0002946350480000064
分别为时间序列Xi，Xj的均值，E为数学期望，
Figure BDA0002946350480000065
和
Figure BDA0002946350480000066
分别为时间序列Xi，Xj的方差，ωi,j为空间权重矩阵，计算公式如下所示：
Figure BDA0002946350480000067
其中，i，j为道路网中任意两个路段，当两路段之间空间可达时，空间权重矩阵的取值为1，否则空间权重取值为0。
由于道路网是相通的，邻近车道的交通流状况需要经过一个时间间隔后才会互相影响，因此要计算道路网的空间相关性需要考虑时间延迟。
空间关联预测值通过将高相关性的道路交通流量数据作为自变量，建立多元线性回归预测模型计算得到，多元线性回归预测模型的具体公式如下：
P1(t+1)＝β0+β1X1+β2X2+...βnXn+ε
其中，P1(t+1)为空间关联预测值，β0为回归方程的常数项，β1,β2,...,βn是偏回归系数，ε是随机误差项；
目标预测道路的当前时间段的交通流预测数据P(t+1)的计算公式如下所示：
P(t+1)＝λ1P1(t+1)+λ2P2(t+1)
其中，P2(t+1)为时间关联预测值，时间关联预测值基于交通流历史数据采用深度学习回归机算法对目标预测道路的进行时间序列预测计算得到，融合权重λ1和λ2的值由熵权法确定，满足关系：λ1+λ2＝1。
交通流预测子模块根据交通流量变化率与变化率阈值对比，确定下一次进行交通流预测的时间间隔，交通流量变化率的计算公式如下所示：
Figure BDA0002946350480000071
其中，P(t+1)为交通流量预测值，P(t)为交通流量当前值，T为预测区间，本实施例中，预测区间为5min，变化率阈值为50；由于深夜道路交通流量较少，且道路交通状态变化不大，为了节约能源，当交通流量变化率小于或等于50时，下一次进行交通流预测时间间隔为15分钟，当交通流量变化率大于50时，下一次进行交通流预测时间间隔为5分钟。
光照强度控制信息具体指根据道路的交通负荷程度的指标来决定照明光照强度，能见度控制信息具体指以融合白光和黄光的形式来调节照明光线颜色。
照明光线颜色设定子模块设有信号处理器，通过信号处理器控制白光与黄光的照明光线的融合，当环境能见度距离越来越高时，照明光线白光越来越亮，黄光越来越暗；当环境能见度距离越来越低时，照明光线黄光越来越亮，白光越来越暗。当环境能见度大于等于10公里时，照明光线中白光输出功率为100％，黄光输出功率为0％；当环境能见度距离在1-10公里之间时，照明光线中白光输出功率为80％，黄光输出功率为20％；当环境能见度距离低于1公里且大于200米时，照明光线中白光输出功率为40％，黄光输出功率为60％；当环境能见度距离在50-200米之间时，照明光线中白光输出功率为20％，黄光输出功率为80％；当环境能见度距离低于50米时，照明光线中白光输出功率为0％，黄光输出功率为100％。
道路的交通负荷程度的指标通过当前时间段道路交通流量除以该道路的最大通行能力计算得到。当交通负荷指标小于0.2时，表示道路通畅且当前时间段经过该路段的车辆较少，为了节约能源则光照输出强度为弱；当交通负荷指标为0.2-0.6时，表示道路通畅，通过该道路的车辆自身灯光系统达不到安全行车的光照环境要求，为了给当前时间段经过该路段的车辆提供安全的行车环境，则光照输出强度为强；当交通负荷指标大于0.6时，表示道路拥挤且当前时间段经过该路段的车辆较多，两车车距较小，车辆跟车距离较近，导致这些车辆自身的灯光系统很亮，如果道路照明系统过亮容易造成司机的炫目，因此，道路照明系统不必提供太亮的行车环境，则光照输出强度为中。
本实施例中，光照输出强度为强即光照输出功率为100％，光照输出强度为中即光照输出功率为80％，光照输出强度为弱即光照输出功率为60％。
雨雾雪检测传感器子模块包括光发射器、光接收器和微处理控制器，光发射器向道路发射红外脉冲光，光接收器检测大气中气溶胶粒子前向散射的脉冲光强度，得到检测结果发送给微处理控制器，微处理控制器将检测结果转化为气象光学视程，得到该道路的环境能见度。
此外，需要说明的是，本说明书中所描述的具体实施例，所取名称可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于交通流预测的道路智能照明系统，其特征在于，包括照明控制模块和照明终端，照明控制模块与照明终端相连接，所述照明控制模块包括数据采集处理子模块、数据存储子模块、光照强度判断子模块、照明开启子模块、交通流预测子模块、照明光照强度设定子模块、雨雾雪检测传感器子模块、照明光线颜色设定子模块以及控制以上各子模块的计算机程序；
所述数据存储子模块存储有光照强度预先设定阈值、光照强度控制信息和能见度控制信息；
所述道路智能照明系统实现照明控制的具体步骤如下所示：
S1、数据采集处理子模块采集目标预测道路上照明终端所在位置处当前的户外光照强度，转至步骤S3，同时采集并统计照明终端所在位置处当前时间段的交通流量数据，得到该时间段内的交通流数据，转至步骤S2；
S2、数据存储子模块存储当前时间段内的交通流数据，并形成交通流历史数据，转至步骤S4；
S3、光照强度判断子模块判断所述户外光照强度是否小于光照强度预先设定阈值，若是则转至步骤S4，否则返回步骤S1；
S4、照明开启子模块控制照明终端开启照明；
S5、交通流预测子模块根据数据存储子模块储存的交通路网各道路当前时间段的交通流数据和历史交通流数据，采用熵权法融合目标预测道路的空间关联预测值和时间关联预测值，得到目标预测道路的当前时间段的交通流预测数据，并确定下一次进行交通流预测的时间间隔；
S6、照明光照强度设定子模块根据目标预测道路的当前时间段的实时交通流预测数据和光照强度控制信息，计算得到目标光照输出功率；
S7、雨雾雪检测传感器子模块计算目标预测道路的环境能见度；
S8、照明光线颜色设定子模块根据所述环境能见度和能见度控制信息，计算得到目标照明光线颜色；
S9、照明终端根据所述目标光照输出功率和目标照明光线颜色进行照明；
所述步骤S5中存储子模块储存的交通路段的类型包括目标预测道路和与目标预测道路具有高空间相关性的道路，高空间相关性的道路的空间相关系数大于空间相关阈值；
所述空间相关系数的计算公式如下所示：
Figure FDA0003622236960000021
其中，ρij(τ)为空间相关系数，τ为时间延迟，Xi，Xj为路段i，j的时间序列上的交通流量，Xi，t为在t时刻时间序列Xi的车流量，Xj，t+d为在t+d时刻时间序列Xj的车流量，
Figure FDA0003622236960000022
和
Figure FDA0003622236960000023
分别为时间序列Xi，Xj的均值，E为数学期望，
Figure FDA0003622236960000024
和
Figure FDA0003622236960000025
分别为时间序列Xi，Xj的方差，ωi，j为空间权重矩阵，计算公式如下所示：
Figure FDA0003622236960000026
其中，i，j为道路网中任意两个路段，当两路段之间空间可达时，空间权重矩阵的取值为1，否则空间权重取值为0。
2.根据权利要求1所述的一种基于交通流预测的道路智能照明系统，其特征在于，所述空间关联预测值通过将高相关性的道路交通流量数据作为自变量，建立多元线性回归预测模型计算得到，多元线性回归预测模型的具体公式如下：
P1(t+1)＝β0+β1X1+β2X2+...+βnXn+ε
其中，P1(t+1)为空间关联预测值，β0为回归方程的常数项，β1，β2，...，βn是偏回归系数，ε是随机误差项；
目标预测道路的当前时间段的交通流预测数据P(t+1)的计算公式如下所示：
P(t+1)＝λ1P1(t+1)+λ2P2(t+1)
其中，P2(t+1)为时间关联预测值，融合权重λ1和λ2的值由熵权法确定，满足关系：λ1+λ2＝1。
3.根据权利要求2所述的一种基于交通流预测的道路智能照明系统，其特征在于，所述交通流预测子模块根据交通流量变化率与变化率阈值对比，确定下一次进行交通流预测的时间间隔，交通流量变化率的计算公式如下所示：
Figure FDA0003622236960000027
其中，P(t+1)为交通流量预测值，P(t)为交通流量当前值，T为预测区间。
4.根据权利要求1所述的一种基于交通流预测的道路智能照明系统，其特征在于，所述光照强度控制信息具体指根据道路的交通负荷程度的指标来决定照明光照强度，能见度控制信息具体指以融合白光和黄光的形式来调节照明光线颜色。
5.根据权利要求4所述的一种基于交通流预测的道路智能照明系统，其特征在于，所述照明光线颜色设定子模块设有信号处理器，通过信号处理器控制白光与黄光的照明光线的融合。
6.根据权利要求1所述的一种基于交通流预测的道路智能照明系统，其特征在于，所述雨雾雪检测传感器子模块包括光发射器、光接收器和微处理控制器，所述光发射器向道路发射红外脉冲光，光接收器检测大气中气溶胶粒子前向散射的脉冲光强度，得到检测结果发送给微处理控制器，微处理控制器将检测结果转化为气象光学视程，得到该道路的环境能见度。
CN202110195675.6A 2021-02-22 2021-02-22 一种基于交通流预测的道路智能照明系统 Active CN113015297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110195675.6A CN113015297B (zh) 2021-02-22 2021-02-22 一种基于交通流预测的道路智能照明系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110195675.6A CN113015297B (zh) 2021-02-22 2021-02-22 一种基于交通流预测的道路智能照明系统

Publications (2)

Publication Number Publication Date
CN113015297A CN113015297A (zh) 2021-06-22
CN113015297B true CN113015297B (zh) 2022-08-26

Family

ID=76405258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110195675.6A Active CN113015297B (zh) 2021-02-22 2021-02-22 一种基于交通流预测的道路智能照明系统

Country Status (1)

Country Link
CN (1) CN113015297B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113505346B (zh) * 2021-09-10 2021-11-26 南通电博士自动化设备有限公司 一种基于人工智能的城市路灯数据处理及联合调控系统
CN115294763B (zh) * 2022-07-26 2023-10-03 中国路桥工程有限责任公司 一种应用于智慧道路照明的车路协同系统及其控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107979900A (zh) * 2016-10-25 2018-05-01 南京兆钧信息科技有限公司 一种基于随机森林回归预测算法的路灯智能节能方法
CN108990233A (zh) * 2018-08-09 2018-12-11 广东工业大学 一种智能灯光控制系统及方法
CN110876126A (zh) * 2020-01-17 2020-03-10 四川众兴华业市政照明工程有限公司 一种基于智慧路灯的城市控制管理系统
CN111210629A (zh) * 2020-01-14 2020-05-29 湖南大学 一种基于路灯杆的智慧交通控制方法及系统
CN111882878A (zh) * 2020-09-02 2020-11-03 烟台大学 一种基于交通流预测的最大化关键道路通行能力的方法
CN111931388A (zh) * 2020-09-27 2020-11-13 北京中设光环境科技研究院有限公司 一种基于大数据的led路灯运行分析系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107979900A (zh) * 2016-10-25 2018-05-01 南京兆钧信息科技有限公司 一种基于随机森林回归预测算法的路灯智能节能方法
CN108990233A (zh) * 2018-08-09 2018-12-11 广东工业大学 一种智能灯光控制系统及方法
CN111210629A (zh) * 2020-01-14 2020-05-29 湖南大学 一种基于路灯杆的智慧交通控制方法及系统
CN110876126A (zh) * 2020-01-17 2020-03-10 四川众兴华业市政照明工程有限公司 一种基于智慧路灯的城市控制管理系统
CN111882878A (zh) * 2020-09-02 2020-11-03 烟台大学 一种基于交通流预测的最大化关键道路通行能力的方法
CN111931388A (zh) * 2020-09-27 2020-11-13 北京中设光环境科技研究院有限公司 一种基于大数据的led路灯运行分析系统及方法

Also Published As

Publication number Publication date
CN113015297A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN113015297B (zh) 一种基于交通流预测的道路智能照明系统
CN108200709A (zh) 智能路灯监控系统
US20130293117A1 (en) Outdoor lighting fixtures control systems and methods
CN105282947B (zh) 一种基于监控图像的隧道照明节能智慧控制系统
CN107896411B (zh) 隧道照明系统及其控制方法
CN115214454B (zh) 智控车灯系统及其控制方法
WO2018232906A1 (zh) 一种智能路灯监控方法及装置
CN112533336A (zh) 一种基于物联网的路灯照明智能调节系统
CN102685990A (zh) 一种可调光隧道led照明节能控制系统及方法
CN111970785B (zh) 一种智慧路灯的应急led路灯控制方法与系统
KR100881270B1 (ko) 지능형 가로등 제어 시스템 및 그 방법
KR102405882B1 (ko) 스마트 도로 조명시스템
CN114867165B (zh) 一种基于长短期记忆神经网络的智慧路灯控制方法
CN105555606A (zh) 用于在车辆尾灯与闪烁的红色停车灯之间进行判别的车辆成像系统和方法
CN112333870A (zh) 一种基于arduino的智慧路灯及其控制系统
CN110933824A (zh) 基于交通态势感知的隧道智能照明节能控制系统与方法
KR20180126199A (ko) 도로 조명 제어 시스템 및 그 제어 방법
CN114760740A (zh) 一种基于单片机的车辆大灯自动调节系统
CN107990243B (zh) 一种多维度复合配光路灯
CN108551700A (zh) 一种智能型户外照明灯及户外照明控制系统
Sukhathai et al. Smart street lighting system with networking communication
KR20160125697A (ko) 가로등 제어 장치 및 제어 서버
WO2023111832A1 (en) Adaptive street lighting system
KR20210002663U (ko) 가로등용 색온도 조절 등기구
KR102485651B1 (ko) 색온도 가변형 스마트 제어시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant