JPH06185300A - トンネル換気制御装置 - Google Patents

Abstract

(57)【要約】 【目的】 トンネルの換気設備を適切に運転制御して、
トンネル内の環境を良好に保つ。 【構成】 交通量予測手段１０からの交通量予測値に基
づいて、換気機運用計画手段１１によりノッチレベルの
計画値を求める。トンネル内の交通量予測値、トンネル
内の環境データ、および曜日と時間帯のデータに基づい
て入力データ作成手段１２により入力データを作成す
る。ニューラルネットワーク１３において、入力データ
に基づいて補正量を演算し、加算部１８においてこの補
正量をノッチレベルの計画値に加算する。教示データ作
成手段１５において、ノッチレベルの実績値からノッチ
レベルの計画値を引いた値と、その際の環境データに基
づいて教示データを作成し、教示データと入力データと
からニューラルネットワーク１３のパラメータを学習す
る。ノッチレベルの計画値を加算部１８において補正し
たノッチレベル設定値に基づいて換気設備の運転制御を
行なう。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はトンネル換気制御装置に
関わり、特に道路トンネル内の環境濃度を許容値以下に
維持することができるトンネル換気制御装置に関する。

【０００２】

【従来の技術】道路用トンネルでは、自動車の排気ガス
によってトンネル内が汚染されるため、全長の長いトン
ネルや交通量の多いトンネルでは環境濃度（例えばＣＯ
濃度等）を許容値以下に維持するために機械換気が行わ
れている。

【０００３】一般に道路用トンネルには、 （イ） 換気風がトンネル内の車道を縦方向に流れる縦
流式トンネル （ロ） トンネルダクトにより送気または排気のいずれ
か一方が行われ、トンネル内の車道を換気風が縦流して
坑口より排気または吸気される半横流式トンネル （ハ） 送気と排気の両方のトンネルダクトを有し、換
気風がトンネル内の車道を横断方向に流れる横流式 など各種タイプのトンネルが存在する。

【０００４】これらのトンネルはその規模、需要交通量
に応じて、送風機、排風機、電気集塵機、ジェットファ
ンといった換気設備を有する。これらの換気設備を運用
するに当たっては、しばしばノッチという概念を使用す
る事がある。

【０００５】図５は、半横流式トンネルを対象としたと
きのノッチの概念を示す図表であり、また、図６は半横
流式トンネルを示す図である。図６に示すトンネル１に
おいて、車は左から右に向かってトンネル１内の車道１
ａを走行し、換気風も通常は左から右方向に流れる。ま
たトンネルは給気塔２、給気塔３、排気塔４を有してお
り、さらに給気塔２には送風機（図示せず）が３台設置
されている。また、給気塔３には送風機（図示せず）が
３台設置され、さらに排気塔４には排風機（図示せず）
が３台設置されている。トンネル１において、給気塔
２、３から送風機により送り込まれた換気風は、トンネ
ル１内の送気ダクト５を通って、車道１ａに給気され
る。

【０００６】送風機と排風機の運転台数は交通量に応じ
て増減されることになるが、送風機と排風機の運転組合
せをノッチといい、これを図５に示す。図５に示す図表
以外にも種々の運転組合せが考えられるが、ここでは代
表的な組合せのみを抽出した。図５に示すように、ノッ
チレベルが上がるに従い、各送風機、排風機の運転台数
が増加している。

【０００７】従来このようなノッチレベルは、各時間帯
の交通量予測値に基づき、換気機運用計画に沿ってトン
ネル内の汚染状況を予測しながら決定される。換気機運
用計画は、トンネル換気プロセスの定常状態に対する数
式モデルを用いてノッチレベルを決める方法である。こ
のようにノッチレベルを決定した後は、換気フィードバ
ック制御を行ない、必要に応じてトンネル内の環境測定
センサの出力をフィードバック信号としてノッチレベル
の修正を行っている。

【０００８】

【発明が解決しようとする課題】上述のように、従来は
交通量予測値に基づき換気機運用計画に沿ってノッチレ
ベルを決定している。しかしながら、交通量予測値は、
予測誤差が生じ易く、さらに換気機運用計画の数式モデ
ルも誤差が生じることがある。このため、現状は必ずし
も最適なノッチレベルの設定を行っているとは言い難
い。特に渋滞など通常の走行状態と違った状況の時に、
従来の換気機運用計画は実状にそぐわない場合があり、
汚染濃度悪化や過剰換気といった現象が発生し易い。ま
たトンネル内の機械換気プロセスは遅れや無駄時間が大
きいために、換気フィードバック制御によってノッチレ
ベルを修正しても、その制御効果が現れるまでに時間が
かかり、機能的に十分とは言えない。

【０００９】本発明の目的は、このような点を考慮して
なされたものであり、トンネル内の換気状態を良好な状
態に安定に維持することができるトンネル換気制御装置
を提供することを目的とする。

【００１０】

【課題を解決するための手段】本発明は、トンネル内を
通過する車の交通量を予測する交通量予測手段と、交通
量予測手段からのトンネル内の交通量予測値に基づい
て、トンネルの換気設備の運転組合せに関するノッチレ
ベルの計画値を求める換気機運用計画手段と、トンネル
内の交通量予測値、トンネル内の環境計測値、および曜
日と時間帯のデータに基づいて入力データを作成する入
力データ作成手段と、入力データ作成手段からの入力デ
ータに基づいて、ノッチレベルの計画値を補正する補正
量を演算するニューラルネットワークと、ニューラルネ
ットワークで演算した補正量をノッチレベルの計画値に
加算する加算部と、ノッチレベルの実績値から換気機運
用計画手段で求めたノッチレベルの計画値を引いた値
と、その際のトンネル内の環境計測値に基づいて、ニュ
ーラルネットワークの出力に対する教示データを作成す
る教示データ作成手段と、教示データ作成手段で求めた
教示データと、これに対応する入力データ作成手段から
の入力データに基づいて、ニューラルネットワークで用
いられるパラメータの学習を行なう学習手段と、を備え
たことを特徴とするトンネル換気制御装置である。

【００１１】

【作用】交通量予測手段で求めたトンネル内の交通量予
測値に基づいて、換気機運用計画手段によりトンネルの
換気設備の運転組合せに関するノッチレベルの計画値を
求める。またトンネル内の交通量予測値、トンネル内の
環境データおよび曜日と時間帯のデータに基づいて、入
力データ作成手段において入力データを作成し、この入
力データによりノッチレベルの計画値を補正する補正量
をニューラルネットワークにおいて演算し、加算部にお
いてノッチレベルの計画値に補正量を加算する。一方、
教示データ作成手段において、ノッチレベルの実績値か
らノッチレベルの計画値を引いた値と、その際のトンネ
ル内の環境計測値に基づいてニューラルネットワークの
出力に対する教示データを作成する。次に学習手段にお
いて教示データと対応する入力データに基づいて、ニュ
ーラルネットワークのパラメータの学習を行なう。そし
てノッチレベルの計画値を補正量で補正したノッチレベ
ルの設定値に基づいて換気設備の運転制御を行なう。

【００１２】

【実施例】以下、図面を参照して本発明の実施例につい
て説明する。図１乃至図４は本発明によるトンネル換気
制御装置の一実施例を示す図である。

【００１３】図１に示すように、トンネル換気制御装置
はトンネル１（図６参照）の外方に設けられ車の通過交
通量を計測するトラフィックカウンタ９と、トラフィッ
クカウンタ９からの信号に基づいてトンネル１内を通過
する車の交通量を予測する交通量予測手段１０と、交通
量予測手段１０からの交通量予測値に基づいてトンネル
の換気設備の運転組合せに関するノッチレベルの計画値
Ｎ^* を求める換気機運用計画手段１１とを備えている。
このうち、換気機運用計画手段１１は、図６に示すトン
ネル１の給気塔２、３および排気塔４に設置された送風
機および排風機の運転組合せに関するノッチレベルの計
画値を求めるものである。

【００１４】また、トンネル１内にはトンネル内の環境
計測値、例えばＶＩ値（透明度の指標となるＶｉｓｉｂ
ｉｌｉｔｙ）を計測するＶＩ計６と、トンネル１内のＣ
Ｏ濃度を計測するＣＯ計７と、トンネル１内の風速を計
測するＷＳ計（風向風速計）８とが設けられている。こ
れらＶＩ計６、ＣＯ計７、ＷＳ計８、およびトラフィッ
クカウンタ９は入力データ作成手段１２に接続され、ま
た入力データ作成手段１２には、曜日と時刻に関する情
報、および交通量予測手段１０からの交通量予測値が入
力されるようになっている。

【００１５】入力データ作成手段１２は、ＶＩ計６、Ｃ
Ｏ計７、およびＷＳ計８により測定された環境計測値、
交通量予測手段１０からの交通量予測値、および曜日と
時刻に関する情報から入力データを作成するようになっ
ている。また、入力データ作成手段１２からの入力デー
タはニューラルネットワーク１３に入力され、このニュ
ーラルネットワーク１３において、ノッチレベルの計画
値を補正する補正量Ｚが演算される。

【００１６】一方、換気機運用計画手段１１で求めたノ
ッチレベルの計画値と、これに対応するノッチレベルの
実績値は、各々時系列データ記憶手段１４に入力され
る。また時系列データ記憶手段１４には、ＣＯ計７およ
びＷＳ計８が接続されている。

【００１７】また、入力データ作成手段１２からの入力
データが、教示データ作成手段１５に入力され、同時に
時系列データ記憶手段１４からノッチレベルの計画値お
よび実績値と、トンネル１内のＣＯ濃度および風速とが
教示データ作成手段１５に入力される。教示データ作成
手段１５は、トンネル１内の環境測定値、例えばＣＯ濃
度および風速と、ノッチレベルの計画値および実績値と
に基づいて、ニューラルネットワークの出力に対する教
示データを作成するようになっている。また、教示デー
タ作成手段１５で求めた教示データは学習手段１６に入
力され、学習手段１６において、教示データとこれに対
応する入力データ作成手段１２からの入力データに基づ
いて、ニューラルネットワーク１３で用いられるパラメ
ータの学習が行なわれる。

【００１８】また、ニューラルネットワーク１３で演算
された補正量Ｚは、出力制限手段１７に入力され、上下
限の出力制限と整数化が行なわれる。次に換気機運用計
画手段１１で求めたノッチレベルの計画値Ｎ^* が出力制
限手段１７で処理された後の補正量ΔＮによって補正さ
れるようになっている。なお、補正後のノッチレベルの
設定値Ｎは、その後トンネル１内に設けられたＶＩ計
６、ＣＯ計７、およびＷＳ計８からの信号に基づいて図
示しないフィードバック制御装置によりフィードバック
制御されて更に調整される。次にフィードバック制御に
より調整された後のノッチレベルの設定値に基づいて、
トンネル１内の送風機および排風機が運転制御される。

【００１９】次にこのような構成からなる本実施例の作
用について説明する。まず交通量予測手段１０が、トラ
フィックカウンタ９により計測されたトンネル外方の車
の通過交通量計測値を統計的処理し、現時刻ｔからＴ分
先までのトンネル内の平均的な交通量を予測する。次に
換気機運用計画手段１１が交通量予測手段からの交通量
予測値を受けて、現時刻ｔからＴ分先までの平均的なト
ンネル内汚染状況を予測する。この汚染状況の予測は、
図５に示す各ノッチレベルに対して行われる。そして、
トンネル内の汚染濃度の制約を満足し、且つ使用電力の
最も小さいノッチレベルが図５に示す図表から特定さ
れ、換気機運用計画手段１１からノッチレベル計画値Ｎ
^* として出力される。図５に示すように、ノッチレベル
が増加するにつれて送風機および排風機の運転台数が増
加する。

【００２０】他方、入力データ作成手段１２が、ニュー
ラルネットワーク１３に入力する入力データの記憶およ
び作成を行う。ニューラルネットワークに入力する入力
データの種類としては次のものが考えられる。

【００２１】ＶＩ計測値時系列データ（過去４点，ｘ
1 〜ｘ4 ）、ＣＯ計測値時系列データ（過去４点、ｘ
5 〜ｘ8 ）、風速計測値時系列データ（過去４点、ｘ
9 〜ｘ12）、トンネル外の交通量計測値時系列データ
（過去４点、ｘ13〜ｘ16）、トンネル内の交通量予測
値時系列データ（将来３点、ｘ17〜ｘ19）、換気機運
用計画の計画値Ｎ^* （ｘ20）、平日モードフラグ（ｘ
21）、休日モードフラグ（ｘ22）、時間帯フラグ
（２時間間隔、ｘ23〜ｘ34）。

【００２２】ここで、ｘ1 〜ｘ34はニューラルネットワ
ークの入力変数を意味する。図２に時系列データと入力
変数の対応を示す。現在の時刻をｔとすると、交通量予
測値以外は、過去α分間の４点のデータを使用する。ま
た交通量予測値は、将来β分先までの３点の予測値を使
用する。平日モードフラグｘ21と休日モードフラグｘ22
は、当日が平日なのか休日なのかを示すフラグである。
平日の場合はｘ21を１とし、ｘ22を０とする。休日の場
合はその逆とする。ここでは月曜〜金曜を平日、土曜と
日曜および祝祭日を休日としている。

【００２３】また時間帯フラグｘ23〜ｘ34は、現在がど
の時間帯に属しているかを表すフラグである。本実施例
では、１日を２時間間隔で分割している。フラグと時間
帯の対応は下記の通りである。

【００２４】 ０〜２時 ：ｘ23 ２〜４時 ：ｘ24 ・ ・ ・ ２２〜２４時：ｘ34 例えば現在が２時３５分の場合は、ｘ24だけを１とし
て、ｘ23とｘ25〜ｘ34を全て０にする。

【００２５】このようにして入力データ作成手段１２で
得られた入力データは、ニューラルネットワーク１３に
入力される。図３によりニューラルネットワーク１３の
構成を示す。図３に示すように、ニューラルネットワー
ク１３は、入力層、中間層、出力層の３層構造となって
いる。次に、ニューラルネットワーク１３における演算
処理内容を説明する。

【００２６】まず中間層の出力Ｙj を次式で演算する。

【００２７】 ここで、 Ｙj ：中間層の第ｊ素子の出力 Ｗji：入力層の第ｉ素子と中間層の第ｊ素子との間の重
み係数 ｘi ：入力層の第ｉ素子の出力（入力層は入力と出力と
が同じ） Ｆ ：各素子の入出力特性を表す関数 ｎ ：中間層の素子数 である。

【００２８】次に、出力層の出力Ｚ、すなわち補正量Ｚ
を次式により演算する。 ここで、 ｚ：出力層の出力 Ｗj ：中間層第ｊ素子と出力層素子との間の重み係数で
ある。

【００２９】また、関数Ｆとしては、例えば次式に示す
シグモイド関数が用いられる。 Ｆ（Ｕ）＝１／（１＋ｅ^-U） …（５） また教示データ作成用として時系列データ記憶手段１４
に下記のデータが蓄積される。

【００３０】ＶＩ計測値、ＣＯ計測値、ノッチレ
ベルの実績値、ノッチレベルの計画値。

【００３１】また時刻ｔの時点で、時系列データ記憶手
段１４から教示データ作成手段１５へ、下記の情報が出
力される。

【００３２】・時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ
レベルの実績値の平均値ｐ（図４（ａ）の破線で囲まれ
た部分の平均値）、 ・時刻ｔ−Ｔ−δにおけるノッチレベルの計画値ｑ（図
４（ｂ）に示す点に相当する値）、 ・時刻ｔ−Ｔ〜ｔにおけるＶＩ計測値の平均値ｒ（図４
（ｃ）の破線で囲まれた部分の平均値）、 ・時刻ｔ−Ｔ〜ｔにおけるＣＯ計測値の平均値ｓ（図４
（ｄ）の破線で囲まれた部分の平均値）、 次に時刻を表示するＴおよびδについて、以下詳述す
る。ノッチレベル計画値は上述のように換気機運用計画
手段１１において演算されるが、その更新周期（演算周
期）がＴ分となる。図４では、時刻ｔ−Ｔ−δおよび時
刻ｔ−δがノッチレベル計画値の更新（演算）タイミン
グに相当する。なおノッチレベル計画値ｑは時刻ｔ−Ｔ
−δ〜ｔ−δの間、一定であるが、実際のノッチ実績値
はノッチレベル計画値の補正および下流側に設けられた
フィードバック制御装置などの影響により時刻ｔ−Ｔ−
δ〜ｔ−δの間で変化する。

【００３３】一方、時刻ｔ−Ｔ−δにおいて変更された
ノッチレベルの影響が、実際のトンネル内汚染状況に現
れ始めるまでにはある時間を要し、この時間をδ（これ
を効果待ち時間と称する）で表わす。したがって、時刻
ｔ−Ｔ−δ〜ｔ−δにおけるノッチレベル実績値ｐの影
響を見るためには、上記効果待ち時間δを考慮し、時刻
ｔ−Ｔ〜ｔにおけるＶＩ計測値の平均値ｒと、時刻ｔ−
Ｔ〜ｔにおけるＣＯ計測値の平均値ｓとを見ることが必
要となる。

【００３４】次に教示データ作成手段１５ではＶＩ値と
ＣＯ値のレベルを評価しながら、次のようにしてニュー
ラルネットワーク学習用の教示信号を作成する。

【００３５】（ａ）時刻ｔ−Ｔ〜ｔにおける環境測定値
が所定の制御範囲に入っていれば、“時刻ｔ−Ｔ−δ〜
ｔ−δにおけるノッチレベル実績値の平均値から、時刻
ｔ−Ｔ−δにおけるノッチレベル計画値を引いた値”を
教示データとする。

【００３６】（ｂ）時刻ｔ−Ｔ〜ｔにおける環境測定値
が所定の制御範囲より悪化していれば（過小換気方向に
ずれていれば）、“時刻ｔ−Ｔ−δ〜ｔ−δにおけるノ
ッチレベル実績値の平均値から、時刻ｔ−Ｔ−δにおけ
るノッチレベル計画値を引いた値＋１”を教示データと
する。

【００３７】（ｃ）時刻ｔ−Ｔ〜ｔにおける環境計測値
が所定の制御範囲に比べ過剰換気方向にずれていれば、
“時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチレベル実績値
の平均値から、時刻ｔ−Ｔ−δにおけるノッチレベル計
画値を引いた値−１”を教示データとする。

【００３８】この場合の教示データは、時刻ｔ−Ｔ−δ
におけるニューラルネットワーク出力の望ましい値を示
している。

【００３９】上記（ａ）〜（ｃ）のルールに沿った具体
的な演算処理を以下に示す。 （ＣＡＳＥ１） （ＶＩ制御範囲上限） ＞（時刻ｔ−Ｔ〜ｔにおけるＶＩ計測値の平均値ｒ） ＞（ＶＩ制御範囲下限） 且つ、 （ＣＯ制御範囲下限） ＜（時刻ｔ−Ｔ〜ｔにおけるＣＯ計測値の平均値ｓ） ＜（ＣＯ制御範囲上限） の場合、 （教示データＶ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチレベル実績値の平均値ｐ） −（時刻ｔ−Ｔ−δにおけるノッチレベル計画値ｑ） …（６） とする。 （ＣＡＳＥ２） （時刻ｔ−Ｔ〜ｔにおけるＶＩ計測値の平均値ｒ） ≦（ＶＩ制御範囲下限） または、 （時刻ｔ−Ｔ〜ｔにおけるＣＯ計測値の平均値ｓ） ≧（ＣＯ制御範囲上限） の場合、 （教示データＶ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチレベル実績値の平均値ｐ） −（時刻ｔ−Ｔ−δにおけるノッチレベル計画値ｑ）＋１ノッチ …（７） とする。 （ＣＡＳＥ３） （時刻ｔ−Ｔ〜ｔにおけるＶＩ計測値の平均値ｒ） ≧（ＶＩ制御範囲上限） 且つ、 （時刻ｔ−Ｔ〜ｔにおけるＣＯ計測値の平均値ｓ） ≦（ＣＯ制御範囲下限） の場合、 （教示データＶ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチレベル実績値の平均値ｐ） −（時刻ｔ−Ｔ−δにおけるノッチレベル計画値ｑ）−１ノッチ …（８） とする。 （ＣＡＳＥ４）上記ケース以外の場合、ＣＡＳＥ１と同
様の教示信号とする。

【００４０】このようにして作成された教示データＶ
と、ｔ−Ｔ−δ時点のニューラルネットワークの入力変
数ベクトルＸ＝（ｘ1 ，ｘ2 ，…，ｘ34）は、一組にし
て教示データ作成手段１５において逐次保存される。こ
の教示データは、ｔ−Ｔ−δ時点の入力変数ベクトルＸ
に対して、ニューラルネットワーク１３からの望ましい
出力がＶであると言うことを意味している。

【００４１】ニューラルネットワークの学習手段１６で
は、教示データ作成手段１５において保存されている教
示データが所定量だけ蓄積された時点で、ニューラルネ
ットワーク１３内の重み係数の学習を行う。図１におい
て、Ｗb は学習前のニューラルネットワーク１３の重み
係数ベクトルを意味し、Ｗa は学習後の重み係数ベクト
ルを意味する。

【００４２】次に学習手段１６における学習演算処理の
内容を説明する。この学習ではバックプロパゲーション
と呼ばれる手法が用いられる。

【００４３】バックプロパゲーションでは、前述の教示
データ作成手段１５にて作成された教示データＶとニュ
ーラルネットワーク１３からの出力Ｚとの誤差関数が
（９）式で定義される。

【００４４】 Ｅ＝（１／２）・（Ｚ−Ｖ）² …（９） バックプロパゲーションとは、この誤差関数が最小値に
近づくように重み係数を修正していく手法であり、重み
係数Ｗj とＷjiに対する修正量ΔＷj ，ΔＷjiは次式で
演算される。

【００４５】

【数１】 上式において、εは１回に行う修正の大きさを求めるパ
ラメータである。（１０）式および（１１）式の偏微分
項を展開して整理すると、重み係数の修正量は次のよう
に表される。

【００４６】

【数２】 また、学習の際の収束の安定化および収束速度の向上を
図るために、（１２）式、（１３）式の代わりに次式を
採用する方法も有効である。

【００４７】

【数３】 ここでαは学習を安定させるためのパラメータであり、
ｍは学習の回数を表す。なお、ニューラルネットワーク
およびバックプロパゲーションの詳細については、下記
の文献などに記載されている。

【００４８】中野 編著：「ニューロコンピュータの基
礎」、コロナ社（１９８０）以上述べた手順に従って、
ニューラルネットワークの学習手段１６によりニューラ
ルネットワーク１３内の重み係数Ｗji，Ｗj が学習され
ていく。学習された重み係数を用いて、ニューラルネッ
トワーク１３において前述の（１）〜（５）式に従い補
正量Ｚが演算される。

【００４９】また補正量Ｚは出力制限手段１７により上
下限の出力制限と整数化が行われる。出力制限手段１７
で処理された後の補正量ΔＮは、加算部１８において換
気機運用計画手段１１の出力であるノッチレベル計画値
Ｎ^* に加算されて、最終的なノッチレベル設定値Ｎとな
る。このノッチレベル設定値Ｎはフィードバック制御装
置により更に調整され、調整後のノッチレベル設定値に
基づいてトンネル１内の送風機および排風機の運転制御
が行なわれる。

【００５０】以上説明したように、本実施例によればＶ
Ｉ計、ＣＯ計、ＷＳ計、およびトラフィックカウンタで
求めた各種環境計測値の時系列パターンや、曜日、時間
帯などのデータを用い、ニューラルネットワークの手法
を用いて、換気機運用計画手段からのノッチレベル計画
値の補正値を求め、これと並行してニューラルネットワ
ーク内の重み係数を実際のトンネル換気に適合するよう
に逐次学習しているため、交通量予測手段１０における
交通量予測誤差および換気機運用計画手段における数式
モデル誤差の影響により生ずるノッチレベル計画値を適
正に補正し、安定した環境状態を適正な使用電力で維持
することができる。

【００５１】次に、他の実施例について述べる。ＶＩ
計、ＣＯ計、ＷＳ計については、１台に限らず複数台設
置しても良いが、この場合はニューラルネットワークの
入力層の素子数を増加させることにより対処可能であ
る。また、トンネル内の交通量を上り線・下り線別に予
測したり、大型車・小型車別に予測する場合にも同様に
入力層の素子数を増加させることにより対処可能であ
る。

【００５２】また上記実施例では、ＶＩ値とＣＯ濃度の
過去数点の時系列データをニューラルネットワークの入
力データとすることにより、ＶＩ値およびＣＯ濃度が低
下傾向か否か認識できたが、ＶＩ値やＣＯ濃度の変動の
傾きを入力データに加えてもよい。

【００５３】さらに上記実施例では、曜日データを平日
と休日の２種類に分けてニューラルネットワークの入力
としていたが、火曜〜金曜を平日とし、土曜及び祝祭日
の前日を休日前とし、日曜及び祝祭日を休日とし、月曜
及び祝祭日の翌日を休日明けとする４つの種類に分類す
ることもできる。

【００５４】

【発明の効果】以上説明したように、本発明によれば、
トンネル内の交通量予測値、トンネル内の環境データお
よび曜日と時間帯のデータに基づいて作成された入力デ
ータからニューラルネットワークを用いて補正量を演算
し、換気機運用計画手段により求めたノッチレベルの計
画値をこの補正量で補正するとともに、教示データ作成
手段においてノッチレベルの実績値からノッチレベルの
計画値を引いた値と、その際のトンネル内の環境計測値
に基づいてニューラルネットワークの教示データを作成
し、学習手段において教示データと入力データに基づい
てニューラルネットワークのパラメータの学習を行なう
ので、交通量予測値に誤差が生じたり、あるいは換気機
運用計画手段における数式モデルに誤差が生じたりして
も、換気機運用計画手段で求めたノッチレベルの計画値
を適正に補正することができる。このため、ノッチレベ
ルの計画値を適正に補正したノッチレベルの設定値に基
づいて換気設備の運転制御を適切に行なうことができ、
これによりトンネル内の環境状態を良好に維持すること
ができる。

【図面の簡単な説明】

【図１】本発明によるトンネル換気制御装置の一実施例
を示すブロック図。

【図２】ニューラルネットワークに入力する時系列デー
タを示す図。

【図３】ニューラルネットワークの構成図。

【図４】教示データを作成するための説明図。

【図５】トンネル換気制御におけるノッチ概念を示す図
表。

【図６】一般的な半横流式トンネルを示す図。

【符号の説明】

６ ＶＩ計 ７ ＣＯ計 ８ ＷＳ計 ９ トラフィックカウンタ １０ 交通量予測手段 １１ 換気機運用計画手段 １２ 入力データ作成手段 １３ ニューラルネットワーク １４ 時系列データ記憶手段 １５ 教示データ作成手段 １６ 学習手段 １８ 加算部

Claims (1)

【特許請求の範囲】
1. 【請求項１】トンネル内を通過する車の交通量を予測す
   る交通量予測手段と、 交通量予測手段からのトンネル内の交通量予測値に基づ
   いて、トンネルの換気設備の運転組合せに関するノッチ
   レベルの計画値を求める換気機運用計画手段と、 トンネル内の交通量予測値、トンネル内の環境計測値、
   および曜日と時間帯のデータに基づいて入力データを作
   成する入力データ作成手段と、 入力データ作成手段からの入力データに基づいて、ノッ
   チレベルの計画値を補正する補正量を演算するニューラ
   ルネットワークと、 ニューラルネットワークで演算した補正量をノッチレベ
   ルの計画値に加算する加算部と、 ノッチレベルの実績値から換気機運用計画手段で求めた
   ノッチレベルの計画値を引いた値と、その際のトンネル
   内の環境計測値に基づいて、ニューラルネットワークの
   出力に対する教示データを作成する教示データ作成手段
   と、 教示データ作成手段で求めた教示データと、これに対応
   する入力データ作成手段からの入力データに基づいて、
   ニューラルネットワークで用いられるパラメータの学習
   を行なう学習手段と、 を備えたことを特徴とするトンネル換気制御装置。