JP2004156258A

JP2004156258A - トンネル換気制御方法および装置

Info

Publication number: JP2004156258A
Application number: JP2002321633A
Authority: JP
Inventors: Masahiro Shikayama; 昌宏鹿山; Masaru Endo; 勝遠藤
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2002-11-05
Filing date: 2002-11-05
Publication date: 2004-06-03
Anticipated expiration: 2022-11-05
Also published as: JP3904506B2

Abstract

【課題】トンネル換気制御において、煤煙濃度やＣＯ濃度の予測値が、測定不能な自然風や車の汚染物質排出量の影響で不正確になり、適切な運転が難しい。
【解決手段】直近の予測結果と対応した実績値のみに着目して予測誤差の時系列を生成し、これに従って予測演算部の予測結果を補正する。また予測誤差時系列の自己相関を算出し、この自己相関を評価し予測誤差算出部の出力に乗じるゲインを決定する。
【効果】直近の予測誤差のみに着目して予測演算部の出力を補正するため、高精度な予測が可能となり、適切な運転案の選択を行うことができる。また、予測誤差の補償結果が予測演算部内に蓄えられることがないため、検出値のバラツキ等が後々の予測結果に悪影響を与えることがはなく、安定した制御を継続することができる。また補償の応答性も高くなる。
【選択図】図１

Description

【０００１】
【発明の属する技術分野】
本発明は、トンネル内を換気する制御装置の制御方法に係り、とりわけ制御モデルを用いた予測制御の高度化により制御精度を向上させる手法に関する。
【０００２】
【従来の技術】
トンネル内の換気挙動を記述した物理モデルを用いてトンネル換気制御を高精度に行う従来手法として、例えば特開平５−３２１５９８に示されているように、物理モデルを用いて将来のトンネル内部の汚染状態を予測し、予測結果をファジィ推論で評価した結果から排風機やジェットファンの運転状態を決定する方法があった。特開平５−３２１５９８記載の手法では、物理モデルが実際のトンネル内の物理挙動に対応している場合には精度の良い制御が行えるが、対応の度合いが低下している場合には、この度合いに応じて制御精度が低下する問題がある。測定できない自然風の影響を始め、車の汚染物質排気量のバラツキ等、種々の不確定要素があるため、モデルに依存した制御では良好な制御が継続できない場合が多い。
【０００３】
さらに特開平５−１４１２００記載に示されているように様に、ニューラルネットを用いた学習によりトンネルプロセス特性の経年変化に対してもモデル精度を維持することで制御精度を向上させる手法があった。モデルを学習することで性能向上を図る特開平５−１４１２００記載の手法では、学習によるモデルと制御対象の合わせ込みでモデル誤差を低減できる場合がある。しかしながら上述したバラツキの効果も同様に学習してしまう場合がある。この場合は学習によりモデルの特性を変えることが逆に長期間に渡って制御精度を悪化させてしまう場合がある。
【０００４】
【特許文献１】
特開平５−３２１５９８号公報
【特許文献２】
特開平５−１４１２００号公報
【０００５】
【発明が解決しようとする課題】
制御モデルを用いて算出した予測結果は、たとえ精緻な制御モデルが使われていても、モデル化されていない要因や測定不能な種々の影響、外乱等により、必ずしも常に高精度な結果が得られるとは限らない。
【０００６】
また、制御モデルに学習機能が組み込まれている場合には、モデル化対象（実体）の経年変化に対応した制御モデルのパラメータ変更がある程度は可能であるが、勿論完璧ではなく、また何らかの一時的な変化があった場合にはこれにも対応してしまい、一時的変化が解消し通常状態に復帰した後の制御モデルの算出した予測精度は著しく低下してしまう。
【０００７】
本発明の目的は、制御モデルを用いて算出した予測結果の予測精度向上させ、これを制御に用いることにより、トンネル換気制御装置における制御精度の劣化を防止させることにある。
【０００８】
【課題を解決するための手段】
この発明に係る請求項１のトンネル換気制御装置は、トンネル内の煤煙濃度及び一酸化炭素濃度等の状態量の振舞いを予測演算部にて予測し、この予測結果を用いてジェットファン及び排風機等の望ましい運転方法を決定するトンネル換気制御装置において、該トンネルから検出した煤煙濃度及び一酸化炭素濃度等の状態量の実績値とジェットファンや排風機等の運転実績から予測結果に含まれる誤差の大きさを算出し、該予測演算部の出力を補償して制御に用いるものである。
【０００９】
またこの発明に係る請求項３のトンネル換気制御装置は、予測誤差算出部に、トンネルから検出した煤煙濃度や一酸化炭素濃度等の状態量の実績値と該予測演算部の演算により煤煙濃度や一酸化炭素濃度等の状態量を推定するオブザーバと、オブザーバの出力を時系列トレンドとして編集する推定トレンド生成部と、該推定値に対応した煤煙濃度や一酸化炭素濃度の実績値を時系列トレンドとして編集する実績トレンド生成部と、実績トレンドと推定トレンドの差分を算出しトレンドとして編集する誤差トレンド算出部と、誤差トレンドの情報から予測誤差を推定する予測誤差推定部を備えているものである。
【００１０】
また、この発明に係る請求項４のトンネル換気制御装置は、前記誤差トレンドの各誤差の値を重み付け加算することで予測誤差を算出する予測誤差推定部を設けているものである。
【００１１】
また、この発明に係る請求項５のトンネル換気制御装置の予測誤差算出部は、誤差トレンドの自己相関を算出する自己相関算出部を備え、算出された自己相関の大きさにしたがって該予測誤差算出部の出力を制限するものである。
【００１２】
また、この発明に係る請求項６のトンネル換気制御装置の予測誤差算出部は、誤差トレンドの自己相関を算出する自己相関算出部を備え、算出された自己相関があらかじめ定められた値より小さい場合には該予測誤差算出部の出力を無効とするものである。
【００１３】
また、この発明に係る請求項７のトンネル換気制御装置の予測誤差算出部は、車両の通行量や大型車比の変化量を判定する通行量変化量判定部を備え、車両の通行量や大型車比の変化量が大きい場合には該予測誤差算出部の出力を制限するかあるいは無効とするものである。
【００１４】
【発明の実施の形態】
以下、本発明の実施例を図にしたがって詳細に説明する。
【００１５】
図１に本発明の第１の実施例を示す。
【００１６】
本実施例では、ジェットファン１５４や排風機１５５の運転形態にしたがってトンネル１５１内の風向・風速や煤煙濃度の状態量を予測する予測演算部１０２、得られた予測結果の望ましさに加えてエネルギ消費量や機器（ジェットファン１５４、排風機１５５）の起動／停止回数の小ささを定量的に評価する運転案評価部１０５、評価結果を総合的に加味して運転方式を決定する運転方式決定部１０６を備えたトンネル換気制御装置１００に、直近の予測結果と対応した状態量の実績値のみに着目して予測誤差の時系列を生成し、これにしたがって予測演算部の予測結果を補正する予測誤差算出部１０４を設けた。以下詳細に説明する。
【００１７】
制御装置１００は何通りかの次回の運転案（ジェットファン１５４、排風機１５５の起動の有無、風量等）を決定し出力する運転案生成部１０１、運転案生成部１０１の出力した運転案を採用した場合にどのような風向・風速、煤煙濃度、ＣＯ濃度になるかを予測し、さらにエネルギー消費量、ジェットファン１５４、排風機１５５の起動停止回数を予測モデル１０３を用いて算出する予測演算部１０２、運転案生成部１０１の出力した運転案および制御対象１５０から検出した検出値を用いてモデル誤差を演算し補償する予測誤差算出部１０４、予測演算部１０２の結果を予測誤差算出部１０４で補償した結果にしたがって運転案を評価する運転案評価部１０５、運転案の評価結果にしたがって次回の運転方式を決定する運転方式決定部１０６から構成される。
【００１８】
また制御の目的はトンネル１５１の内部の空気を適切に換気することであり、本実施例では一方通行のトンネルに対して、縦流式と呼ばれるトンネルの長手方向に空気の流れを作り換気するシステムを例に説明する。
【００１９】
空気の流れを作るためにジェットファン１５４、排風機１５５が取り付けられている。いずれも複数台取りつけられることが多い。汚染気体をトンネル１５１の外に出す操作は、主として排風機１５５が行う。すなわち排風機１５５は上向きに風を送り、トンネル１５１内の空気を立杭１５３を通してトンネル外に排出する。一方ジェットファン１５４は車の進行方向に対して逆方向の風を送ることにより、杭口１５２からの汚染空気の漏れだし量を最小化する。
【００２０】
本実施例でトンネル内には、以下の検出器が取り付けられている。トンネル内に侵入する車両の台数、速度、大型車混入比はトラフィックカウンター１６２で事前に検出する。また風向、風力はＡＶ計１５６、１５７で、煤煙濃度はＶＩ計１５８、１５９で、さらにＣＯ濃度はＣＯ計１６０、１６１で検出する。以下風向、風力の値をＡＶ値と称する。一般のトンネルではこの程度の検出器が取りつけられている。
【００２１】
制御装置１００は、検出器からの信号でトンネル内の現在の状態を検出しつつ、予測モデル１０３を用いて将来の状態を予測し、適切な排風機１５５、ジェットファン１５４の運転形態を決定する。
【００２２】
図２に運転案生成部１０１が実行するアルゴリズムを示す。まずＳ２−１で運転方式決定部１０６から現在の運転方式を取りこむ。これをもとに可能となる次回の運転案を複数生成する。たとえば「排風機１台運転、風量２００ｍ３／分、ジェットファン２台高速運転」のような案をいくつか生成する。通常は現在の運転方式近傍の運転方式を運転案として生成すれば良いが、煤煙濃度が大きく変化した場合には、広い範囲で多くの運転案を生成し、選択範囲を広げる必要性が生じる場合もある。
【００２３】
図３に予測演算部１０２が実行するアルゴリズムを示す。Ｓ３−１で制御対象１５０の各センサから現在の状態量の実績値を取りこむ。また運転案生成部１０１から次回の運転案を取りこむ。運転案は通常複数生成されているが、その場合は各運転案に対して以下の処理を同じく行うことになる。Ｓ３−２でトンネル内各部の風速を算出する。計算方法は例えば「道路トンネル技術基準（換気編）・同解説」（社団法人日本道路境界編、昭和６０年１２月）に詳しいが、トンネル内をいくつかのメッシュに分割した上でトンネル内の気体流れのダイナミクスを記述した（数１）を用いることで数値解析的に解くことができる。
【００２４】
【数１】

Ｓ３−３でトンネル内部の煤煙濃度（ＶＩ値）、ＣＯ濃度（ＣＯ値）を算出する。各濃度は（数２）の対流拡散方程式に従うことが知られている。
【数２】

同様にトンネル内をいくつかのメッシュに分割した上で、Ｓ３−２で得た風速をｕに適用し、さらに境界条件として杭口１５２のＶＩ、ＣＯ値を０とすることで、トンネル各部位のＶＩ、ＣＯ濃度を得ることが解くことができる。
【００２５】
さらにＳ３−４で取りこんだ運転案に対して、ジェットファン１５４、排風機１５５を動作させるのに必要な電力消費量を算出する。（数３）に示すように出力を用いた簡単な数式で表すことができる。
【００２６】
また取りこんだ運転案に対して、ジェットファン１５４、排風機１５５の運転台数が変化するかどうかを調べ、起動停止回数を算出する。ジェットファン１５４の運転台数を現在の運転台数に対して１台起動もしくは停止させる必要がある場合には、起動回数を１とする等で、簡単に対応付けることができる。
【００２７】
以上のようにして運転案生成部１０１が提示した運転案について、これを採用したときの制御結果の状態量の予測値およびエネルギー消費量等を算出する。運転案は通常複数提示されるが、その場合には各運転案毎に同様の処理を繰り返し、対応した制御結果の状態量の予測値およびエネルギー消費量等を算出する必要がある。
【００２８】
図４に本発明で実現された予測誤差算出部１０４の構成を示す。予測誤差算出部１０４はオブザーバ４０１、推定トレンド生成部４０２、実績トレンド生成部４０４、誤差系列算出部４０６、予測誤差推定部４０７、を備えている。本実施例では煤煙濃度（ＶＩ）の予測値を補償する場合を例に説明する。
【００２９】
オブザーバ４０１は、予測演算部１０２と同様の演算を行うことでＶＩ推定値を算出する。すなわち制御対象１５０から取りこんだ風速やＶＩの実績値を初期条件に設定し、運転案生成部１０１から取りこんだ排風機１５５およびジェットファン１５４の運転方式が実現された場合にＶＩ値がどうなるかを、（数１）にしたがって風速を求めた後、（数２）に従った演算で推定する。
【００３０】
推定トレンド生成部４０２は、オブザーバ４０１の出力を時系列に編集し推定値のトレンドである推定トレンド４０３を生成する。
【００３１】
同様に実績トレンド生成部４０４は、制御量の実績を取りこみ実績トレンド４０５を編集する。図に示すように、実績トレンド４０５および推定トレンド４０３は、現在時刻の値を最新とし、制御周期を過去に遡った値（−２、−３、・・・）をトレンドとして蓄えている。
【００３２】
さらに実績トレンド４０５と推定トレンド４０３の差分を計算し誤差のトレンドを算出する誤差系列算出部４０６、誤差系列を取りこみ、予測演算部１０２が予測した次回のＶＩ予測値が含んでいると予想される誤差の値を算定する予測誤差推定部４０７を備えている。
【００３３】
予測誤差推定部４０７は、（数３）で現される誤差系列に対して、例えば（数４）のような線形演算を行い、ＶＩ推定誤差の値ＶＩｅｒｒを推定する。
【００３４】
【数３】

【数４】

算定されたＶＩ推定誤差（Ｖｌｅｒｒ）には（数５）に示すようにゲイン４０８（Ｇ１）が乗じられ、最終的なＶＩ推定値補正量（ＶＩｃｏｍｐ）として予測誤差算出部１０４から出力される。
【００３５】
【数５】

最終的には図１に示したように、予測演算部１０２の出力から予測誤差算出部１０４の出力を減じた値が予測制御に用いられる。
【００３６】
図１ではＶＩ検出計が２つ備えられているが、この場合はおのおのについて同様の演算を行うことで対応する。またオブザーバ４０１の演算は共通化することができる。本実施例ではＶＩの予測誤差を補償する場合を例に説明したが、ＣＯ値の予測誤差を補償する場合も同様の考え方で行うことができる。またＡＶ値予測誤差の補償値は、（数２）に基づいた演算を省略することで得ることができる。
【００３７】
図５に運転案評価部１０５が行う処理を示す。運転案評価部１０５では、運転案生成部１０１が生成した複数の運転案のそれぞれについて、実現される制御量（ＡＶ値、ＶＩ値、ＣＯ値）、エネルギー消費量等の適切性を評価し、運転案選択の基準を生成する。
【００３８】
本実施例では予見ファジィ推論を用いて運転案を評価し、運転方式を決定する場合を示す。予見ファジィは図６に示すルールとメンバシップ関数の組み合わせからなり、ルールは「ＩＦ運転案ＡによりＶＩ値が満足ＴＨＥＮ運転案Ａを採用」のような、予見ファジィ特有の形態となっている。
【００３９】
まずＳ５−１で、図１の流れに従って各制御量やエネルギー消費量の予測値を取りこむ。次にＳ５−２でメンバシップ関数を用いて予測値の適合度を算出する。適合度が大きいほど望ましい制御結果が実現されたことを示している。
【００４０】
第６図にメンバシップ関数を用いてＶＩの予測値に対する適合度を算出する例を示す。予測ＶＩ値が３７％、メンバシップ関数（満足度関数）の形状として図６を仮定すると、適合度は図のような操作で０．４となる。同様の操作で、ＶＩ値、ＡＶ値、エネルギ消費量等の適合度も得ることができる。
【００４１】
最後にＳ５−３で各運転案ｊの総合満足度Ｗｊを算出する。総合満足度Ｗｊは例えば（数６）で算出する。β１、β２、β３、β４、・・・・・・は各評価ファクターの適合度に乗じる重みで、各評価ファクターの重要度に対応する。例えばＡＶ値とエネルギー消費量を重要視する場合には、β１、β２、β６、β７を相対的に大きくすれば良い。あるいは重要度の高いファクターのみを選択的に用いて総合満足度の評価の対象にしても良い。
【００４２】
【数６】

このようにして運転案に対応した総合満足度を算出できる。同様にして他の運転案の総合満足度を算出する。
【００４３】
図７に運転方式決定部１０６が実行する処理を示す。Ｓ７−１で各運転案について総合満足度を計算した結果から最も望ましい運転案を選択する。そしてＳ７−２で、選択した運転方法に沿った操作量を各機器（ジェットファン１５４、排風機１５５）に出力する。本実施例では、Ｓ７−１で最も望ましい運転案を選択したが、望ましいいくつかの運転案に対して按分処理を行い、新たな運転案を生成し運転方式として出力しても良い。
【００４４】
本実施例では、運転案生成部１０１は運転方式決定部１０６の出力を用いて現在の運転方式を取りこんだが、制御対象１５０のジェットファン１５４、排風機１５５の出力を直接取りこんで、現在の運転方式として認識しても良い。またトンネルの換気方式として縦流式の場合を例に説明したが、横流式や半横流式等の他の方式にも同様の手法が適用できる。
また特殊な例として、トレンドに含まれるデータ数が１の場合でも、（数４）の線形演算を省略することで本発明をそのまま適用できる。
【００４５】
図８に本発明の第２の実施例として、予測誤差算出部１０４に、モデル誤差時系列の自己相関を算出する自己相関算出部８０１と自己相関を評価し予測誤差推定部４０７の出力に乗じるゲインの値を決定する自己相関評価／ゲイン決定部８０２を備えた例を示す。
【００４６】
本実施例における予測誤差算出部１０４では、風向・風力、煤煙濃度、ＣＯ値等の状態量の予測結果に対して、これが有する誤差の値を推定し、この値を予測値から差し引くことにより、予測モデルのパラメータを修正することなく予測演算部の出力を高精度化する。
【００４７】
以下詳細に説明する。
【００４８】
自己相関算出部８０１は（数３）の誤差系列の自己相関係数を算出する。自己相関係数Ｃｏは、Δｉをｘｉ、Δｉ＋１をｙｉとおいたｘｉとｙｉの時系列を用いて、例えば（数７）で算出すれば良い。
【００４９】
【数７】

ここでＣｏは、隣接したΔの関連性の大きさを表しており、Ｃｏが大きいことは隣接した誤差の相関が大きいことを意味している。Ｃｏが大きい場合には直近の誤差を用いた予測誤差の推定が高精度であることが期待できる。一方、Ｃｏが小さい場合には誤差の規則性が乏しく、予測誤差の推定が困難なことを示している。
【００５０】
自己相関評価／ゲイン決定部８０２では、得られたＣｏを用いてゲイン４０８の値を決定する。
【００５１】
図９に自己相関評価／ゲイン決定部８０２が行う処理を示す。
【００５２】
Ｓ９−１で算出された自己相関Ｃｏを取りこむ。一般にＣｏが大きいことは誤差時系列の相関が大きいことを意味し、次回の予測誤差が高精度に推定可能なことと対応している。したがって１に近い大きなゲインを設定可能となる。一方、Ｃｏが小さいときには誤差時系列の相関が乏しいので、ゲインを小さくするかあるいは予測誤差算出部の出力を制御に用いない様にする（ゲインを０にする）必要がある。
【００５３】
Ｓ９−２ではこのような観点でゲインの決定を行う。一例としては、自己相関の値Ｃｏをそのままゲインの値に対応付けることも考えられるが、Ｃｏが一定値以下の場合はゲインを０にしても良い。
【００５４】
本実施例では誤差トレンドの自己相関を用いたが、自己相関の代わりに推定トレンドと実績トレンドの相互相関を用いても同様の効果を得ることができる。この場合は推定トレンドの各値をｘｉ、実績トレンドの各値をｙｉとおけばほぼ同様の演算で実現できる。
【００５５】
図１０に本発明のその他の実施例として、トラフィックカウンタ１６２の出力から車両の通行量や大型車比の変化量を判定し、ゲイン４０８を変化させる例を示す。通行量変化量判定部１００１はトラフィックカウンタ１６２の出力を時系列に蓄積し、車両の通行量、大型車比が変化したかどうかを判定する。両者の変化が少ない場合にはゲイン４０８を大きな値とし、変化が大きい場合にはゲイン４０８を小さな値にするか、無効化する。車両通行台数が激変したタイミングではモデル誤差の補償精度が低下する場合があるが高いが、このような処理の結果、補償精度低下の影響を最小化できる。
【００５６】
以上述べたように、本発明により、高精度な状態量の予測結果を用いて運転案の評価、運転方式の決定が行えるため、適切な運転案の選択が可能となる。
【００５７】
また状態量の実績値のバラツキやノイズはモデル誤差時系列の自己相関を低下させるが、自己相関の大きさにしたがって予測誤差算出部の出力を制限することにより、バラツキやノイズの影響を最小化できる。
【００５８】
また本発明では学習等によりモデルのパラメータを変化させることをしないので、学習制御で問題となる実績値のバラツキやノイズがモデルパラメータに悪影響を与える問題が生じない。また誤差推定値を次回の制御で速やかに補償できるので、補償の応答性を高めることもできる。
【００５９】
【発明の効果】
本発明によれば、直近のモデル誤差のみに着目して予測モデルの出力を補正する予測誤差算出部を設けたことにより、誤差を補正された高精度な予測結果を用いて運転案の選択を行うことができる。したがって運転案の選択を適切に行うことができ、制御精度を向上できる。またモデルパラメータ学習と異なり、モデル誤差の補償結果がモデル内に蓄えられることはない。したがって検出値のバラツキ等が後々の予測結果に悪影響を与えることはなく、安定した制御を継続することができる。
【図面の簡単な説明】
【図１】本発明の代表的な構成図である。
【図２】運転案生成部の処理である。
【図３】予測演算部の処理である。
【図４】本発明で実現された予測誤差算出部の構成例である。
【図５】運転案評価部の処理である。
【図６】メンバシップ関数を用いて適合度を評価する方法の一例である。
【図７】運転方式決定部の処理である。
【図８】予測誤差補償部の第２の構成例である。
【図９】自己相関評価／ゲイン決定部の処理である。
【図１０】予測誤差算出部の構成例である。
【符号の説明】
１００・・・制御装置、
１０１・・・運転案生成部、
１０２・・・予測演算部、
１０３・・・予測モデル、
１０４・・・予測誤差算出部、
１０５・・・運転案評価部、
１０６・・・運転方式決定部、
１５０・・・制御対象、
１５１・・・トンネル、
１５２・・・坑口、
１５３・・・立坑、
１５４・・・ジェットファン、
１５５・・・排風機、
１５６、１５７・・・ＡＶ計、
１５８、１５９・・・ＶＩ計、
１６０、１６１・・・ＣＯ計、
１６２・・・トラフィックカウンタ、
４０１・・・オブザーバ、
４０２・・・推定トレンド生成部、
４０３・・・推定トレンド、
４０４・・・実績トレンド生成部、
４０５・・・実績トレンド、
４０６・・・誤差トレンド系列算出部、
４０７・・・予測誤差推定部、
４０８・・・ゲイン、
８０１・・・自己相関算出部、
８０２・・・自己相関評価／ゲイン決定部、
１００１・・通行量変化量判定部。

Claims

トンネル内の煤煙濃度及び一酸化炭素濃度等の状態量を予測する予測演算部と、該予測結果を用いてジェットファン及び排風機等の運転量を決定する運転決定部を備えたトンネル換気制御装置において、該トンネルから検出した煤煙濃度及び一酸化炭素濃度等の状態量の実績値とジェットファンや排風機等の運転実績から予測結果に含まれる誤差の大きさを算出する予測誤差算出部を備え、該算出した予測誤差を用いて該予測演算部の出力を補償して制御に用いることを特徴としたトンネル換気制御装置。
前記予測演算部は、該トンネル内の煤煙濃度及び一酸化炭素濃度等の状態量の振舞いを記述した予測モデルを用いて該煤煙濃度及び一酸化炭素濃度等の状態量を予測することを特徴とする請求項１記載のトンネル換気制御装置。
前記予測誤差算出部は、該トンネルから検出した煤煙濃度や一酸化炭素濃度等の状態量の実績値と該予測演算部の演算により煤煙濃度や一酸化炭素濃度等の状態量を推定するオブザーバと、オブザーバの出力を時系列トレンドとして編集する推定トレンド生成部と、該推定値に対応した煤煙濃度や一酸化炭素濃度等の状態量の実績値を時系列トレンドとして編集する実績トレンド生成部と、実績トレンドと推定トレンドの差分を算出しトレンドとして編集する誤差トレンド算出部と、誤差トレンドの情報から予測誤差を推定する予測誤差推定部を備えていることを特徴とする請求項１〜２項のいずれか一記載のトンネル換気制御装置。
前記予測誤差推定部は、前記誤差トレンドの各誤差の値を重み付け加算することで予測誤差を算出することを特徴とする請求項１〜３項のいずれか一記載のトンネル換気制御装置。
前記予測誤差算出部は、前記誤差トレンドの自己相関を算出する自己相関算出部を備え、算出された自己相関の大きさにしたがって該予測誤差算出部の出力を制限することを特徴とする請求項１〜４項のいずれか一記載のトンネル換気制御装置。
前記予測誤差算出部は、前記誤差トレンドの自己相関を算出する自己相関算出部を備え、算出された自己相関があらかじめ定められた値より小さい場合には該予測誤差算出部の出力を無効とすることを特徴とする請求項１〜４項のいずれか一記載のトンネル換気制御装置。
前記予測誤差算出部は、車両の通行量や大型車比の変化量を判定する通行量変化量判定部を備え、車両の通行量や大型車比の変化量が大きい場合には該予測誤差算出部の出力を制限するか無効化することを特徴とする請求項１〜６項のいずれか一記載のトンネル換気制御装置。
トンネル内の煤煙濃度及び一酸化炭素濃度等の状態量の振舞いを予測するとともに、該トンネルから検出した煤煙濃度や一酸化炭素濃度の状態量の実績値とジェットファンや排風機等の運転実績から予測結果の誤差を算出し、予測値を誤差で補償した結果にしたがってジェットファン及び排風機等の運転量を決定するトンネル換気制御方法。
該トンネルから検出した煤煙濃度や一酸化炭素濃度等の状態量の実績値と該予測演算部で算出した煤煙濃度や一酸化炭素濃度等の状態量の推定値を時系列トレンドとして編集するとともに、該推定値に対応した煤煙濃度や一酸化炭素濃度等の状態量の実績値を時系列トレンドとして編集し、実績トレンドと推定トレンドの差分を誤差トレンドとして編集し、誤差トレンドの情報から予測演算結果の誤差を推定することを特徴とする請求項８記載のトンネル換気制御方法。