JPH06240999A - 道路トンネル換気制御装置 - Google Patents
道路トンネル換気制御装置Info
- Publication number
- JPH06240999A JPH06240999A JP3187793A JP3187793A JPH06240999A JP H06240999 A JPH06240999 A JP H06240999A JP 3187793 A JP3187793 A JP 3187793A JP 3187793 A JP3187793 A JP 3187793A JP H06240999 A JPH06240999 A JP H06240999A
- Authority
- JP
- Japan
- Prior art keywords
- value
- time
- notch
- road tunnel
- neutral network
- 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.)
- Withdrawn
Links
Landscapes
- Ventilation (AREA)
Abstract
(57)【要約】
【目的】 より的確なノッチ設定を行うことによりトン
ネル内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。 【構成】 道路トンネル換気制御装置は、道路トンネル
内の交通量を計測して得た過去の時系列データに基づき
道路トンネル内の大気汚染状況を予測する交通量予測機
能手段（５）と、この交通量予測機能手段（５）による
予測結果に基づき、道路トンネル内に配設された換気機
の運転組み合わせであるノッチ計画値を決定する換気機
運用計画機能手段（６）と、道路トンネル内の大気の汚
染濃度に関する時系列データおよび道路トンネル内の交
通量に関する時系列データを入力信号として、道路トン
ネル内汚染状態を許容範囲に維持するとともに使用電力
量を少なくするように、前記ノッチ計画値を補正するニ
ュートラルネットワーク機能手段（８１０）とを備える
ことを特徴とする。
ネル内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。 【構成】 道路トンネル換気制御装置は、道路トンネル
内の交通量を計測して得た過去の時系列データに基づき
道路トンネル内の大気汚染状況を予測する交通量予測機
能手段（５）と、この交通量予測機能手段（５）による
予測結果に基づき、道路トンネル内に配設された換気機
の運転組み合わせであるノッチ計画値を決定する換気機
運用計画機能手段（６）と、道路トンネル内の大気の汚
染濃度に関する時系列データおよび道路トンネル内の交
通量に関する時系列データを入力信号として、道路トン
ネル内汚染状態を許容範囲に維持するとともに使用電力
量を少なくするように、前記ノッチ計画値を補正するニ
ュートラルネットワーク機能手段（８１０）とを備える
ことを特徴とする。
Description
【０００１】
【産業上の利用分野】本発明は、道路トンネル換気制御
装置に係り、特にニュートラルネットワークを用いて換
気設備の運用を制御する道路トンネル換気制御装置に関
する。
装置に係り、特にニュートラルネットワークを用いて換
気設備の運用を制御する道路トンネル換気制御装置に関
する。
【０００２】
【従来の技術】道路トンネルには、（イ） 換気風が車
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され、車道を縦流して坑口
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、換気風は車
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。
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され、車道を縦流して坑口
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、換気風は車
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。
【０００３】そして、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
を使用することがある。
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
を使用することがある。
【０００４】図４は、図５に示すような半横流式トンネ
ルを対象としたときのノッチの概念を示す表である。こ
のトンネルは図５に示すように、送風機を２カ所（ＱＢ
１とＱＢ２）、排風機を１カ所（ＱＥ１）に持ち、換気
風は原則として図５の左から右に向かって流れている。
そして、 ・換気方向上流側の送風機における電動機台数：３台 ・換気方向下流側の送風機における電動機台数：３台 ・換気方向下流側の排風機における電動機台数：３台 となっている。これらの電動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、これをノッチの形で整理
したものが図４である。図４に示される以外にも種々の
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、ノッチレベルが上がるに従い、各送風機、
排風機の電動機運転台数が増加する形となっている。
ルを対象としたときのノッチの概念を示す表である。こ
のトンネルは図５に示すように、送風機を２カ所（ＱＢ
１とＱＢ２）、排風機を１カ所（ＱＥ１）に持ち、換気
風は原則として図５の左から右に向かって流れている。
そして、 ・換気方向上流側の送風機における電動機台数：３台 ・換気方向下流側の送風機における電動機台数：３台 ・換気方向下流側の排風機における電動機台数：３台 となっている。これらの電動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、これをノッチの形で整理
したものが図４である。図４に示される以外にも種々の
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、ノッチレベルが上がるに従い、各送風機、
排風機の電動機運転台数が増加する形となっている。
【０００５】従来、これらのノッチに関しては、各時間
帯の交通量予測値に基づき、換気機運用計画（図１にお
ける符号６参照）と称する機能によりトンネル内汚染状
況を予測しながら最適なノッチレベルを決定していた。
また、換気フィードバック制御と称する機能により必要
に応じてトンネル内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た。
帯の交通量予測値に基づき、換気機運用計画（図１にお
ける符号６参照）と称する機能によりトンネル内汚染状
況を予測しながら最適なノッチレベルを決定していた。
また、換気フィードバック制御と称する機能により必要
に応じてトンネル内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た。
【０００６】
【発明が解決しようとする課題】しかしながら、上記換
気機運用計画では、あくまでも交通量予測値（図１にお
ける符号５参照）に基づいているため、交通量予測誤差
およびトンネル内汚染状況の予測する際の数式モデル上
の誤差などの影響により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。
気機運用計画では、あくまでも交通量予測値（図１にお
ける符号５参照）に基づいているため、交通量予測誤差
およびトンネル内汚染状況の予測する際の数式モデル上
の誤差などの影響により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。
【０００７】また、換気フィードバック制御によるノッ
チレベルの修正もその効果が現れ始めるまでの制御応答
時間の問題があり、機能的に充分とは言えない。
チレベルの修正もその効果が現れ始めるまでの制御応答
時間の問題があり、機能的に充分とは言えない。
【０００８】そこで、本発明の目的は、上記従来技術の
有する問題を解消し、より的確なノッチ設定を行うこと
によりトンネル内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に
ある。
有する問題を解消し、より的確なノッチ設定を行うこと
によりトンネル内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に
ある。
【０００９】特に、従来の換気機運用計画の誤差を補償
するため、交通量の実績値および予測値の時系列データ
と各種センサ出力の時系列データとをニュートラルネッ
トワークへ入力することにより、換気機運用計画におい
て決定されたノッチレベルに対する補正値を出力できる
ようにすることである。
するため、交通量の実績値および予測値の時系列データ
と各種センサ出力の時系列データとをニュートラルネッ
トワークへ入力することにより、換気機運用計画におい
て決定されたノッチレベルに対する補正値を出力できる
ようにすることである。
【００１０】
【課題を解決するための手段】上記目的を達成するた
め、本発明による道路トンネル換気制御装置は、道路ト
ンネル内の交通量を計測して得た過去の時系列データに
基づき道路トンネル内の大気汚染状況を予測する交通量
予測機能手段と、この交通量予測機能手段による予測結
果に基づき、道路トンネル内に配設された換気機の運転
組み合わせであるノッチ計画値を決定する換気機運用計
画機能手段と、道路トンネル内の大気の汚染濃度に関す
る時系列データおよび道路トンネル内の交通量に関する
時系列データを入力信号として、道路トンネル内汚染状
態を許容範囲に維持するとともに使用電力量を少なくす
るように、前記ノッチ計画値を補正するニュートラルネ
ットワーク機能手段とを備えることを特徴とする。
め、本発明による道路トンネル換気制御装置は、道路ト
ンネル内の交通量を計測して得た過去の時系列データに
基づき道路トンネル内の大気汚染状況を予測する交通量
予測機能手段と、この交通量予測機能手段による予測結
果に基づき、道路トンネル内に配設された換気機の運転
組み合わせであるノッチ計画値を決定する換気機運用計
画機能手段と、道路トンネル内の大気の汚染濃度に関す
る時系列データおよび道路トンネル内の交通量に関する
時系列データを入力信号として、道路トンネル内汚染状
態を許容範囲に維持するとともに使用電力量を少なくす
るように、前記ノッチ計画値を補正するニュートラルネ
ットワーク機能手段とを備えることを特徴とする。
【００１１】
【作用】交通量予測機能および換気機運用計画機能は従
来から有る機能であり、各時間帯の交通量を交通量予測
機能において予測し、その予測結果を受けて換気機運用
計画機能ではトンネル内汚染状態を許容範囲に維持で
き、且つ使用電力量の最も少ないノッチレベルを選択す
る。一方、ニュートラルネットワークでは、 ・ＶＩ計、ＣＯ計、風向風速計といったトンネル内セン
サ出力の過去の時系列データ ・交通量を計測するトラフィックカウンタ出力の過去の
時系列データ ・交通量計測値の時系列データ ・換気機運用計画機能により決定されたノッチ計画値 を入力信号として、ノッチ計画値に対する補正値を演算
する。ニュートラルネットワークが適正な補正値を演算
するためには、ニュートラルネットワーク内の各素子間
相互の結合の強さを示す重み係数を適正な値に予め学習
しておく必要がある。この学習を行うのがニュートラル
ネットワーク学習機能である。この学習機能ではニュー
トラルネットワーク学習用教師信号作成機能で随時作成
される教師信号（ニュートラルネットワークの望ましい
出力に相当する信号）と実際のニュートラルネットワー
クの出力とを比較しながらニュートラルネットワーク内
の重み係数を学習していく。
来から有る機能であり、各時間帯の交通量を交通量予測
機能において予測し、その予測結果を受けて換気機運用
計画機能ではトンネル内汚染状態を許容範囲に維持で
き、且つ使用電力量の最も少ないノッチレベルを選択す
る。一方、ニュートラルネットワークでは、 ・ＶＩ計、ＣＯ計、風向風速計といったトンネル内セン
サ出力の過去の時系列データ ・交通量を計測するトラフィックカウンタ出力の過去の
時系列データ ・交通量計測値の時系列データ ・換気機運用計画機能により決定されたノッチ計画値 を入力信号として、ノッチ計画値に対する補正値を演算
する。ニュートラルネットワークが適正な補正値を演算
するためには、ニュートラルネットワーク内の各素子間
相互の結合の強さを示す重み係数を適正な値に予め学習
しておく必要がある。この学習を行うのがニュートラル
ネットワーク学習機能である。この学習機能ではニュー
トラルネットワーク学習用教師信号作成機能で随時作成
される教師信号（ニュートラルネットワークの望ましい
出力に相当する信号）と実際のニュートラルネットワー
クの出力とを比較しながらニュートラルネットワーク内
の重み係数を学習していく。
【００１２】
【実施例】以下、本発明による道路トンネル換気制御装
置の一実施例について図面を参照して説明する。
置の一実施例について図面を参照して説明する。
【００１３】図１は本発明の一実施例を示す機能構成ブ
ロック図である。２点鎖線から下の部分は従来の方式の
構成を示す。２点鎖線から上の部分が本発明において新
しく付け加えられた部分を示す。
ロック図である。２点鎖線から下の部分は従来の方式の
構成を示す。２点鎖線から上の部分が本発明において新
しく付け加えられた部分を示す。
【００１４】本実施例による道路トンネル換気制御装置
は、トンネル内の透視度の指標となるＶＩ値（ＶＩ＝Vi
sibility）を計測するＶＩ計１と、ＣＯ濃度を計測する
ＣＯ計２と、トンネル内風速を計測するＷＳ計３と、通
過交通量を計測するトラフィックカウンタ４と、交通量
予測機能５と、換気機運用計画６と、ニュートラルネッ
トワーク入力用の時系列データを蓄積するための保存メ
モリ７と、ニュートラルネットワーク８と、ニュートラ
ルネットワーク学習用の時系列データを蓄積するための
保存メモリ９と、ニュートラルネットワーク学習用の教
師信号作成機能１０と、ニュートラルネットワーク学習
機能１１と、ニュートラルネットワークの出力の上下限
チェックを行うリミットチェック機能１２とを備えてい
る。
は、トンネル内の透視度の指標となるＶＩ値（ＶＩ＝Vi
sibility）を計測するＶＩ計１と、ＣＯ濃度を計測する
ＣＯ計２と、トンネル内風速を計測するＷＳ計３と、通
過交通量を計測するトラフィックカウンタ４と、交通量
予測機能５と、換気機運用計画６と、ニュートラルネッ
トワーク入力用の時系列データを蓄積するための保存メ
モリ７と、ニュートラルネットワーク８と、ニュートラ
ルネットワーク学習用の時系列データを蓄積するための
保存メモリ９と、ニュートラルネットワーク学習用の教
師信号作成機能１０と、ニュートラルネットワーク学習
機能１１と、ニュートラルネットワークの出力の上下限
チェックを行うリミットチェック機能１２とを備えてい
る。
【００１５】次に本実施例の作用について以下に詳細に
説明する。交通量予測機能５ではトラフィックカウンタ
４による交通量計測値ａ４に統計的処理を加えることに
より、現時刻ｔ〔min 〕よりＴ〔min 〕先までの平均的
な交通量予測値ｄを演算する。ここで、交通量は上り線
・下り線別、大型車・中型車別に取り扱われる。
説明する。交通量予測機能５ではトラフィックカウンタ
４による交通量計測値ａ４に統計的処理を加えることに
より、現時刻ｔ〔min 〕よりＴ〔min 〕先までの平均的
な交通量予測値ｄを演算する。ここで、交通量は上り線
・下り線別、大型車・中型車別に取り扱われる。
【００１６】換気機運用計画６では交通量予測値ｄを受
けて、現時刻ｔ〔min 〕よりＴ〔min 〕先までの平均的
なトンネル内汚染状況を予測する。この予測は図４の各
ノッチレベルに対して行われる。そして、トンネル内汚
染濃度制約を満足し、且つ使用電力の最も小さい（ノッ
チレベルの最も低い）ノッチが換気機運用計画６の出力
であるノッチ計画値ｆとなる。
けて、現時刻ｔ〔min 〕よりＴ〔min 〕先までの平均的
なトンネル内汚染状況を予測する。この予測は図４の各
ノッチレベルに対して行われる。そして、トンネル内汚
染濃度制約を満足し、且つ使用電力の最も小さい（ノッ
チレベルの最も低い）ノッチが換気機運用計画６の出力
であるノッチ計画値ｆとなる。
【００１７】本実施例においては、次に、上記ノッチ計
画値ｆに対する補正値ｙを演算し、ノッチ計画値ｆに加
算することにより最終的なノッチ指令値ｚを演算しよう
とするものである。以下、その手順を順を追って説明す
る。
画値ｆに対する補正値ｙを演算し、ノッチ計画値ｆに加
算することにより最終的なノッチ指令値ｚを演算しよう
とするものである。以下、その手順を順を追って説明す
る。
【００１８】今、現時刻をｔ〔min 〕とする。保存メモ
リ９では、時刻ｔにおいてニュートラルネットワーク学
習用のデータを蓄積する。具体的には、 ・ＶＩレベル実績値ａ１ ・ＣＯレベル実績値ａ２ ・風速実績値ａ３ ・ノッチ実績値ｅ ・ノッチ計画値ｆ ・ニュートラルネットワーク出力Ｚ を逐次記憶しておき、時刻ｔの時点では、教師信号作成
機能１０向けに、下記の各情報： ・時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均
値ｐ…図２（ａ）のチャートの破線で囲まれた部分の平
均値 ・時刻ｔ−Ｔ−δにおけるノッチ計画値ｑ…図２（ｂ）
のチャートの黒点で示された点に相当する値 ・時刻ｔ−Ｔ−ｔにおけるＶＩレベル実績値の平均値ｒ
…図２（ｃ）のチャートの外側の破線で囲まれた部分の
平均値 ・時刻ｔ−Ｔ−ｔにおけるＣＯレベル実績値の平均値ｓ
…図２（ｄ）のチャートの外側の破線で囲まれた部分の
平均値 を出力し、ニュートラルネットワーク学習機能１１向け
には、 ・時刻ｔ−Ｔ−δにおけるニュートラルネットワーク出
力ｕ を出力する。
リ９では、時刻ｔにおいてニュートラルネットワーク学
習用のデータを蓄積する。具体的には、 ・ＶＩレベル実績値ａ１ ・ＣＯレベル実績値ａ２ ・風速実績値ａ３ ・ノッチ実績値ｅ ・ノッチ計画値ｆ ・ニュートラルネットワーク出力Ｚ を逐次記憶しておき、時刻ｔの時点では、教師信号作成
機能１０向けに、下記の各情報： ・時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均
値ｐ…図２（ａ）のチャートの破線で囲まれた部分の平
均値 ・時刻ｔ−Ｔ−δにおけるノッチ計画値ｑ…図２（ｂ）
のチャートの黒点で示された点に相当する値 ・時刻ｔ−Ｔ−ｔにおけるＶＩレベル実績値の平均値ｒ
…図２（ｃ）のチャートの外側の破線で囲まれた部分の
平均値 ・時刻ｔ−Ｔ−ｔにおけるＣＯレベル実績値の平均値ｓ
…図２（ｄ）のチャートの外側の破線で囲まれた部分の
平均値 を出力し、ニュートラルネットワーク学習機能１１向け
には、 ・時刻ｔ−Ｔ−δにおけるニュートラルネットワーク出
力ｕ を出力する。
【００１９】ここで、上記Ｔおよびδの意味について説
明しておく。ノッチ計画値は換気機運用計画機能６にお
いて演算されるが、その更新周期を、本実施例では図２
に示されるようにＴ〔min 〕としている。図２では、時
刻ｔ−Ｔ−δおよび時刻ｔ−δがノッチ計画値の更新タ
イミングに相当する。時刻ｔ−Ｔ−δにおいて変更され
たノッチ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、この時間を本実施例ではδ
で表している。ここでδを効果待ち時間と称する。
明しておく。ノッチ計画値は換気機運用計画機能６にお
いて演算されるが、その更新周期を、本実施例では図２
に示されるようにＴ〔min 〕としている。図２では、時
刻ｔ−Ｔ−δおよび時刻ｔ−δがノッチ計画値の更新タ
イミングに相当する。時刻ｔ−Ｔ−δにおいて変更され
たノッチ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、この時間を本実施例ではδ
で表している。ここでδを効果待ち時間と称する。
【００２０】ノッチ計画値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換気フィ
ードバック制御などの影響により時刻ｔ−Ｔ−δ〜ｔ−
δの間でも変化する。したがって、 ・時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値ｐ を求める際に、こ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レベル実績値の平均値ｒ ・時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値の平均値ｓ を見ればよいことがわかる。
δの間、一定であるが、実際のノッチ実績値は換気フィ
ードバック制御などの影響により時刻ｔ−Ｔ−δ〜ｔ−
δの間でも変化する。したがって、 ・時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値ｐ を求める際に、こ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レベル実績値の平均値ｒ ・時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値の平均値ｓ を見ればよいことがわかる。
【００２１】上記各信号ｐ，ｑ，ｒ，ｓを受けて教師信
号作成機能１０ではＶＩ・ＣＯレベルを評価しながら次
のようにして学習用の教師信号を作成する。
号作成機能１０ではＶＩ・ＣＯレベルを評価しながら次
のようにして学習用の教師信号を作成する。
【００２２】教師信号作成上の基本思想は以下の通りで
ある。 （１） 時刻ｔ−Ｔ〜ｔにおける換気状態が許容範囲に
入っていれば、“時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッ
チ実績値の平均値から時刻ｔ−Ｔ−δにおけるノッチ計
画値を引いた値”を教師信号とする。 （２） 時刻ｔ−Ｔ〜ｔにおける換気状態が許容範囲よ
り悪化していれば、“時刻ｔ−Ｔ−δ〜ｔ−δにおける
ノッチ実績値の平均値から時刻ｔ−Ｔ−δにおけるノッ
チ計画値を引いた値＋１”を教師信号とする。 （３） 時刻ｔ−Ｔ〜ｔにおける換気状態が許容範囲に
比べ過剰換気気味であれば、“時刻ｔ−Ｔ−δ〜ｔ−δ
におけるノッチ実績値の平均値から時刻ｔ−Ｔ−δにお
けるノッチ計画値を引いた値−１”を教師信号とする。
ある。 （１） 時刻ｔ−Ｔ〜ｔにおける換気状態が許容範囲に
入っていれば、“時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッ
チ実績値の平均値から時刻ｔ−Ｔ−δにおけるノッチ計
画値を引いた値”を教師信号とする。 （２） 時刻ｔ−Ｔ〜ｔにおける換気状態が許容範囲よ
り悪化していれば、“時刻ｔ−Ｔ−δ〜ｔ−δにおける
ノッチ実績値の平均値から時刻ｔ−Ｔ−δにおけるノッ
チ計画値を引いた値＋１”を教師信号とする。 （３） 時刻ｔ−Ｔ〜ｔにおける換気状態が許容範囲に
比べ過剰換気気味であれば、“時刻ｔ−Ｔ−δ〜ｔ−δ
におけるノッチ実績値の平均値から時刻ｔ−Ｔ−δにお
けるノッチ計画値を引いた値−１”を教師信号とする。
【００２３】ただし、この場合の教師信号は、時刻ｔ−
Ｔ−δにおけるニュートラルネットワーク出力ｕの望ま
しい値を示している。本実施例では、ニュートラルネッ
トワーク出力はノッチ計画値に対する補正値として演算
されるように構成されているため、ノッチ実績値とノッ
チ計画値の差分をそのまま教師信号とするのか、あるい
は±１ノッチの範囲で修正したものを教師信号とするの
かを上記（１）〜（３）のルールで選択しようとするも
のである。
Ｔ−δにおけるニュートラルネットワーク出力ｕの望ま
しい値を示している。本実施例では、ニュートラルネッ
トワーク出力はノッチ計画値に対する補正値として演算
されるように構成されているため、ノッチ実績値とノッ
チ計画値の差分をそのまま教師信号とするのか、あるい
は±１ノッチの範囲で修正したものを教師信号とするの
かを上記（１）〜（３）のルールで選択しようとするも
のである。
【００２４】上記（１）〜（３）に沿った具体的な演算
処理を以下に示す。 （ＣＡＳＥ １） （ＶＩ過剰換気チェックレベル）＞（時刻ｔ−Ｔ〜ｔに
おけるＶＩレベル実績値の平均値ｒ）＞（ＶＩレベル許
容下限値） 且つ、 （ＣＯ過剰換気チェックレベル）＜（時刻ｔ−Ｔ〜ｔに
おけるＣＯレベル実績値の平均値ｓ）＜（ＣＯレベル許
容上限値） の場合、 （教師信号ｖ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均値ｐ） −（時刻ｔ−Ｔ〜δにおけるノッチ平均値ｑ） …（１） とする。 （ＣＡＳＥ ２） （時刻ｔ−Ｔ〜ｔにおけるＶＩレベル実績値の平均値
ｒ）≦（ＶＩレベル許容下限値） または、 （時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値の平均値
ｓ）≧（ＣＯレベル許容上限値） の場合、 （教師信号ｖ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均値ｐ） −（時刻ｔ−Ｔ〜δにおけるノッチ計画値ｑ）＋１ノッチ …（２） とする。 （ＣＡＳＥ ３） （時刻ｔ−Ｔ〜ｔにおけるＶＩレベル実績値の平均値
ｒ）≧（ＶＩ過剰換気チェックレベル） 且つ、 （時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値の平均値
ｓ）≦（ＣＯ過剰換気チェックレベル） の場合、 （教師信号ｖ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均値ｐ） −（時刻ｔ−Ｔ〜δにおけるノッチ計画値ｑ）−１ノッチ …（３） とする。 （ＣＡＳＥ ４）上記ケース以外の場合、ＣＡＳＥ１と
同様の教師信号とする。
処理を以下に示す。 （ＣＡＳＥ １） （ＶＩ過剰換気チェックレベル）＞（時刻ｔ−Ｔ〜ｔに
おけるＶＩレベル実績値の平均値ｒ）＞（ＶＩレベル許
容下限値） 且つ、 （ＣＯ過剰換気チェックレベル）＜（時刻ｔ−Ｔ〜ｔに
おけるＣＯレベル実績値の平均値ｓ）＜（ＣＯレベル許
容上限値） の場合、 （教師信号ｖ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均値ｐ） −（時刻ｔ−Ｔ〜δにおけるノッチ平均値ｑ） …（１） とする。 （ＣＡＳＥ ２） （時刻ｔ−Ｔ〜ｔにおけるＶＩレベル実績値の平均値
ｒ）≦（ＶＩレベル許容下限値） または、 （時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値の平均値
ｓ）≧（ＣＯレベル許容上限値） の場合、 （教師信号ｖ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均値ｐ） −（時刻ｔ−Ｔ〜δにおけるノッチ計画値ｑ）＋１ノッチ …（２） とする。 （ＣＡＳＥ ３） （時刻ｔ−Ｔ〜ｔにおけるＶＩレベル実績値の平均値
ｒ）≧（ＶＩ過剰換気チェックレベル） 且つ、 （時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値の平均値
ｓ）≦（ＣＯ過剰換気チェックレベル） の場合、 （教師信号ｖ） ＝（時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値の平均値ｐ） −（時刻ｔ−Ｔ〜δにおけるノッチ計画値ｑ）−１ノッチ …（３） とする。 （ＣＡＳＥ ４）上記ケース以外の場合、ＣＡＳＥ１と
同様の教師信号とする。
【００２５】このようにして教師信号ｖが決まると、ニ
ュートラルネットワーク学習機能１１ではニュートラル
ネットワーク内の重み係数の学習を行う。
ュートラルネットワーク学習機能１１ではニュートラル
ネットワーク内の重み係数の学習を行う。
【００２６】ニュートラルネットワーク学習機能１１の
説明を行う前にニュートラルネットワーク８の構成およ
び演算処理内容について説明する。
説明を行う前にニュートラルネットワーク８の構成およ
び演算処理内容について説明する。
【００２７】図３は学習の対象となるニュートラルネッ
トワーク８の構成図を示している。本発明で採用するニ
ュートラルネットワークは、入力層、中間層、出力層の
３層構造となっている。入力層はＸ1 〜Ｘ20の計２０個
の素子からなっており、 ・Ｘ1 〜Ｘ4 は時刻ｔ−α〜時刻ｔ間のＶＩレベル実績
値の時系列データＶＩ１〜ＶＩ４ ・Ｘ5 〜Ｘ8 は時刻ｔ−α〜時刻ｔ間のＣＩレベル実績
値の時系列データＣＯ１〜ＣＯ４ ・Ｘ9 〜Ｘ12は時刻ｔ−α〜時刻ｔ間の風速実績値の時
系列データＷＳ１〜ＷＳ４ ・Ｘ13〜Ｘ16は時刻ｔ−α〜時刻ｔ間の交通量計測値の
時系列データＴＡ１〜ＴＡ４ ・Ｘ17〜Ｘ19は時刻ｔ−α〜時刻ｔ間の交通量計測値の
時系列データＴＰ１〜ＴＰ４ ・Ｘ20は時刻ｔにおけるノッチ計画値ｆ となっている。
トワーク８の構成図を示している。本発明で採用するニ
ュートラルネットワークは、入力層、中間層、出力層の
３層構造となっている。入力層はＸ1 〜Ｘ20の計２０個
の素子からなっており、 ・Ｘ1 〜Ｘ4 は時刻ｔ−α〜時刻ｔ間のＶＩレベル実績
値の時系列データＶＩ１〜ＶＩ４ ・Ｘ5 〜Ｘ8 は時刻ｔ−α〜時刻ｔ間のＣＩレベル実績
値の時系列データＣＯ１〜ＣＯ４ ・Ｘ9 〜Ｘ12は時刻ｔ−α〜時刻ｔ間の風速実績値の時
系列データＷＳ１〜ＷＳ４ ・Ｘ13〜Ｘ16は時刻ｔ−α〜時刻ｔ間の交通量計測値の
時系列データＴＡ１〜ＴＡ４ ・Ｘ17〜Ｘ19は時刻ｔ−α〜時刻ｔ間の交通量計測値の
時系列データＴＰ１〜ＴＰ４ ・Ｘ20は時刻ｔにおけるノッチ計画値ｆ となっている。
【００２８】ただし、ＶＩ計、ＣＯ計、ＷＳ計（風向風
速計）が複数台設置されている場合には、さらに入力層
の素子数を増加させてやればよい。また、交通量を上り
線・下り線別、大型車・小型車別に扱う場合にも同様に
入力層の素子数を増加させてやればよい。また、時系列
データの点数を減少させることにより入力層の素子数を
抑えても構わない。
速計）が複数台設置されている場合には、さらに入力層
の素子数を増加させてやればよい。また、交通量を上り
線・下り線別、大型車・小型車別に扱う場合にも同様に
入力層の素子数を増加させてやればよい。また、時系列
データの点数を減少させることにより入力層の素子数を
抑えても構わない。
【００２９】中間層の素子数は特に限定されないため、
ここではｎ個とする。出力層の素子数は１個とする。
ここではｎ個とする。出力層の素子数は１個とする。
【００３０】ニュートラルネットワークの出力Ｚはノッ
チ計画値に対する補正値を示している。入力層と中間層
の間、中間層と出力層の間は各々重み係数で結合されて
おり、この重み係数をニュートラルネットワーク学習機
能１１で学習することになる。ここで、ニュートラルネ
ットワーク出力の演算処理内容を図１、図２および図３
にしたがって説明する。
チ計画値に対する補正値を示している。入力層と中間層
の間、中間層と出力層の間は各々重み係数で結合されて
おり、この重み係数をニュートラルネットワーク学習機
能１１で学習することになる。ここで、ニュートラルネ
ットワーク出力の演算処理内容を図１、図２および図３
にしたがって説明する。
【００３１】まず、図１のニュートラルネットワーク８
の演算用に保存メモリ７では、 ・ＶＩレベル実績値ａ１ ・ＣＯレベル実績値ａ２ ・風速実績値ａ３ ・交通量計測値ａ４ ・交通量予測値ｄ を一定周期で取り込んでおく。そして、ニュートラルネ
ットワーク８において演算が行われる際に ・時刻ｔ−α〜ｔにおけるＶＩレベル実績値の時系列パ
ターンＡ１…図２（ｃ）のチャートの内側の破線で囲ま
れた部分の平均値 ・時刻ｔ−α〜ｔにおけるＣＯレベル実績値の時系列パ
ターンＡ２…図２（ｄ）のチャートの内側の破線で囲ま
れた部分の平均値 ・時刻ｔ−α〜ｔにおける風速実績値の時系列パターン
Ａ３…図２（ｅ）のチャートの破線で囲まれた部分の平
均値 ・時刻ｔ−α〜ｔにおける交通量計測値の時系列パター
ンＤ…図２（ｆ）のチャートの破線で囲まれた部分の平
均値 ・時刻ｔ〜ｔ＋βにおける交通量予測値の時系列パター
ンＡ４…図２（ｇ）のチャートの破線で囲まれた部分の
平均値 をニュートラルネットワーク８へ送る。
の演算用に保存メモリ７では、 ・ＶＩレベル実績値ａ１ ・ＣＯレベル実績値ａ２ ・風速実績値ａ３ ・交通量計測値ａ４ ・交通量予測値ｄ を一定周期で取り込んでおく。そして、ニュートラルネ
ットワーク８において演算が行われる際に ・時刻ｔ−α〜ｔにおけるＶＩレベル実績値の時系列パ
ターンＡ１…図２（ｃ）のチャートの内側の破線で囲ま
れた部分の平均値 ・時刻ｔ−α〜ｔにおけるＣＯレベル実績値の時系列パ
ターンＡ２…図２（ｄ）のチャートの内側の破線で囲ま
れた部分の平均値 ・時刻ｔ−α〜ｔにおける風速実績値の時系列パターン
Ａ３…図２（ｅ）のチャートの破線で囲まれた部分の平
均値 ・時刻ｔ−α〜ｔにおける交通量計測値の時系列パター
ンＤ…図２（ｆ）のチャートの破線で囲まれた部分の平
均値 ・時刻ｔ〜ｔ＋βにおける交通量予測値の時系列パター
ンＡ４…図２（ｇ）のチャートの破線で囲まれた部分の
平均値 をニュートラルネットワーク８へ送る。
【００３２】これを受けて、ニュートラルネットワーク
８では、まず図３の中間層の出力Ｙj を次式で演算す
る。 Ｙj ＝Ｆj （Ｕyj） （ｊ＝１，２，…，ｎ） …（４） ここで、 Ｙj ：図３の中間層の第ｊ素子の出力 Ｗji：図３の入力層の第ｉ素子と中間層の第ｊ素子との
間の重み係数 Ｘi ：図３の入力層の第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 である。
８では、まず図３の中間層の出力Ｙj を次式で演算す
る。 Ｙj ＝Ｆj （Ｕyj） （ｊ＝１，２，…，ｎ） …（４） ここで、 Ｙj ：図３の中間層の第ｊ素子の出力 Ｗji：図３の入力層の第ｉ素子と中間層の第ｊ素子との
間の重み係数 Ｘi ：図３の入力層の第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 である。
【００３３】次に、出力層の出力Ｚを次式により演算す
る。 Ｚ＝Ｆ（ＵZ ） …（６） 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。
る。 Ｚ＝Ｆ（ＵZ ） …（６） 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。
【００３４】また、関数Ｆとしては、例えば次式に示す
シグモイド関数を採用する。 Ｆ（Ｕ）＝１／（１＋ｅ-u） …（８） 上記（４）〜（８）式の演算が図１のニュートラルネッ
トワーク８内の処理である。
シグモイド関数を採用する。 Ｆ（Ｕ）＝１／（１＋ｅ-u） …（８） 上記（４）〜（８）式の演算が図１のニュートラルネッ
トワーク８内の処理である。
【００３５】上記出力層の出力Ｚは随時図１の保存メモ
リ９に記憶され、記憶された時点からＴ＋δ後に保存メ
モリ９からニュートラルネットワーク学習機能１１に信
号ｕとして送られる。従って信号ｕは、現在時刻をｔと
すると時刻ｔ−Ｔ−δにおけるニュートラルネットワー
ク出力を示すことになる。
リ９に記憶され、記憶された時点からＴ＋δ後に保存メ
モリ９からニュートラルネットワーク学習機能１１に信
号ｕとして送られる。従って信号ｕは、現在時刻をｔと
すると時刻ｔ−Ｔ−δにおけるニュートラルネットワー
ク出力を示すことになる。
【００３６】では、ここでニュートラルネットワーク学
習機能１１において行われる学習演算処理の内容を説明
する。この学習には以下に説明するバックプロパゲーシ
ョンと呼ばれる手法を使用している。
習機能１１において行われる学習演算処理の内容を説明
する。この学習には以下に説明するバックプロパゲーシ
ョンと呼ばれる手法を使用している。
【００３７】まず、前述の教師信号作成機能１０にて演
算された教師信号ｖと信号ｕとの誤差関数を（９）式で
定義する。 Ｅ＝（１／２）・（ｕ−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
係数の修正量△Ｗj 、△Ｗjiは次式で演算される。
算された教師信号ｖと信号ｕとの誤差関数を（９）式で
定義する。 Ｅ＝（１／２）・（ｕ−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
係数の修正量△Ｗj 、△Ｗjiは次式で演算される。
【００３８】
【数１】 上式において、εは１回に行う修正の大きさを決めるパ
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。
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。
【００３９】
【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。 △Ｗj (m) ＝−ε・λ・Ｙj ＋α・△Ｗj (m-1) …(16) △Ｗji(m) ＝−ε・μj ・Ｘi ＋α・△Ｗji(m-1) …(17) （０＜α＜１） 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、ニュートラルネットワー
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。 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、ニュートラルネットワーク学
習機能１１によりニュートラルネットワーク８内の重み
係数Ｗji、Ｗj が学習されていく。
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。 △Ｗj (m) ＝−ε・λ・Ｙj ＋α・△Ｗj (m-1) …(16) △Ｗji(m) ＝−ε・μj ・Ｘi ＋α・△Ｗji(m-1) …(17) （０＜α＜１） 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、ニュートラルネットワー
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。 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、ニュートラルネットワーク学
習機能１１によりニュートラルネットワーク８内の重み
係数Ｗji、Ｗj が学習されていく。
【００４０】学習された重み係数を用いて、ニュートラ
ルネットワーク８において前述の（４）〜（８）式に従
いニュートラルネットワーク出力Ｚが演算され、リミッ
トチェック機能１２により±１の範囲に抑えられた後、
リミットチェック後のニュートラルネットワーク出力ｙ
として、換気運用計画６の出力であるノッチ計測値ｆに
加算されて、最終的なノッチ設定値Ｎとなる。なお、リ
ミットチェックは別に±１に限定する必要はない。
ルネットワーク８において前述の（４）〜（８）式に従
いニュートラルネットワーク出力Ｚが演算され、リミッ
トチェック機能１２により±１の範囲に抑えられた後、
リミットチェック後のニュートラルネットワーク出力ｙ
として、換気運用計画６の出力であるノッチ計測値ｆに
加算されて、最終的なノッチ設定値Ｎとなる。なお、リ
ミットチェックは別に±１に限定する必要はない。
【００４１】本実施例の構成によれば、ＶＩ計、ＣＯ
計、風向風速計、トラフィックカウンタといった各種セ
ンサの出力の時系列パターンおよび交通量予測値の時系
列パターンなどの時系列データをもとにニュートラルネ
ットワークの手法を用いて、ノッチ計画値の補正値を出
力し、且つこれと並行してニュート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、交通量予測誤差および数式モデル誤
差の影響により生ずる換気運用計画のずれを適正に補正
し、安定した換気状態を適正な使用電力で維持すること
が可能となる。
計、風向風速計、トラフィックカウンタといった各種セ
ンサの出力の時系列パターンおよび交通量予測値の時系
列パターンなどの時系列データをもとにニュートラルネ
ットワークの手法を用いて、ノッチ計画値の補正値を出
力し、且つこれと並行してニュート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、交通量予測誤差および数式モデル誤
差の影響により生ずる換気運用計画のずれを適正に補正
し、安定した換気状態を適正な使用電力で維持すること
が可能となる。
【００４２】なお、上述の実施例においては、ＶＩ計、
ＣＯ計、風向風速計、トラフィックカウンタといった各
種センサの出力の時系列パターンおよび交通量予測値の
時系列パターンをニュートラルネットワークの入力情報
として用いていたが、ニュートラルネットワーク内の素
子数を節約するためにこれら情報の一部のみを用いてニ
ュートラルネットワークを構成しても構わない。
ＣＯ計、風向風速計、トラフィックカウンタといった各
種センサの出力の時系列パターンおよび交通量予測値の
時系列パターンをニュートラルネットワークの入力情報
として用いていたが、ニュートラルネットワーク内の素
子数を節約するためにこれら情報の一部のみを用いてニ
ュートラルネットワークを構成しても構わない。
【００４３】また、本発明の適用対象となるトンネルは
図５のような半横流式トンネルに限らず縦流式トンネ
ル、横流式トンネルにおいても、図４に相当するような
ノッチ一覧表を定めさえすれば汎用的に適用可能であ
る。
図５のような半横流式トンネルに限らず縦流式トンネ
ル、横流式トンネルにおいても、図４に相当するような
ノッチ一覧表を定めさえすれば汎用的に適用可能であ
る。
【００４４】
【発明の効果】以上述べたように、本発明の構成によれ
ば、トンネル内各種センサの出力および交通量予測値な
どの時系列パターンあるいは変動パターンといった情報
をニュートラルネットワークを用いて認識し、認識され
たパターンを基に換気機運用計画の出力を補正し、且つ
ニュートラルネットワークの構成自体も実際の換気制御
結果を参照しながら逐次学習されて行くように構成され
ているため、交通量予測誤差および数式モデル誤差の影
響により生ずる換気運用計画の誤差を適正に補正し、フ
ィードバック制御に有りがちな応答遅れの問題をも解決
し、適正な使用電力で安定した換気状態を維持する効果
を有する。また、本発明は従来方式に付加する形の構成
となっているため、既存システムとの親和性にも優れて
いる。
ば、トンネル内各種センサの出力および交通量予測値な
どの時系列パターンあるいは変動パターンといった情報
をニュートラルネットワークを用いて認識し、認識され
たパターンを基に換気機運用計画の出力を補正し、且つ
ニュートラルネットワークの構成自体も実際の換気制御
結果を参照しながら逐次学習されて行くように構成され
ているため、交通量予測誤差および数式モデル誤差の影
響により生ずる換気運用計画の誤差を適正に補正し、フ
ィードバック制御に有りがちな応答遅れの問題をも解決
し、適正な使用電力で安定した換気状態を維持する効果
を有する。また、本発明は従来方式に付加する形の構成
となっているため、既存システムとの親和性にも優れて
いる。
【図１】本発明の一実施例の機能構成を示すブロック
図。
図。
【図２】本発明の一実施例に必要とされる各種信号を説
明する図。
明する図。
【図３】本発明の一実施例で用いるニュートラルネット
ワークの構成例を示す図。
ワークの構成例を示す図。
【図４】道路トンネル換気制御におけるノッチの概念を
示す表の一例を示す図。
示す表の一例を示す図。
【図５】半横流式チャネルの一例を示す図。
１ ＶＩ計 ２ ＣＯ計 ３ ＷＳ計（風向風速計） ４ トラフィックカウンタ ５ 交通量予測機能 ６ 換気機運用計画機能 ７，９ 保存メモリ ８ ニュートラルネットワーク １０ 教師信号作成機能 １１ ニュートラルネットワーク学習機能 １２ リミットチェック機能 ａ１ ＶＩレベル実績値 ａ２ ＣＯレベル実績値 ａ３ 風速実績値 ａ４ 交通量計測値 ｄ 交通量予測値 Ｄ 時刻ｔ−α〜ｔにおける交通量計測値の時系列パタ
ーン Ａ１ 時刻ｔ−α〜ｔにおけるＶＩレベル実績値の時系
列パターン Ａ２ 時刻ｔ−α〜ｔにおけるＣＯレベル実績値の時系
列パターン Ａ３ 時刻ｔ−α〜ｔにおける風速実績値の時系列パタ
ーン Ａ４ 時刻ｔ〜ｔ＋βにおける交通量予測値の時系列パ
ターン ｅ 時刻ｔにおけるノッチ実績値 ｆ 時刻ｔにおけるノッチ計画値 Ｚ 時刻ｔにおけるニュートラルネットワーク出力（ノ
ッチ計画値に対する補正値） Ｈ ＶＩ過剰換気チェックレベル（定数） Ｋ ＣＯ過剰換気チェックレベル（定数） ｈ ＶＩレベル許容下限値（定数） ｋ ＣＯレベル許容上限値（定数） ｐ 時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値平均
値 ｑ 時刻ｔ−Ｔ−δにおけるノッチ計画値 ｒ 時刻ｔ−Ｔ〜ｔにおけるＶＩレベル実績値平均値 ｓ 時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値平均値 ｕ 時刻ｔ−Ｔ−δにおけるニュートラルネットワーク
出力 ｖ 『時刻ｔ−Ｔ−δにおけるニュートラルネットワー
ク出力』に対応する教師信号 ｗｂ 時刻ｔにおけるニュートラルネットワーク内の各
種重み係数（時刻ｔにおける学習前の値） ｗａ 時刻ｔにおけるニュートラルネットワーク内の各
種重み係数（時刻ｔにおける学習後の値） ｙ リミットチェック後のニュートラルネットワーク出
力 Ｎ 最終的なノッチ設定値 ｔ 現時刻 δ 効果待ち時間 α ニュートラルネットワーク入力向け実績値時系列パ
ターンの時間帯幅 β ニュートラルネットワーク入力向け予測値時系列パ
ターンの時間帯幅 Ｔ 換気機運用計画演算周期
ーン Ａ１ 時刻ｔ−α〜ｔにおけるＶＩレベル実績値の時系
列パターン Ａ２ 時刻ｔ−α〜ｔにおけるＣＯレベル実績値の時系
列パターン Ａ３ 時刻ｔ−α〜ｔにおける風速実績値の時系列パタ
ーン Ａ４ 時刻ｔ〜ｔ＋βにおける交通量予測値の時系列パ
ターン ｅ 時刻ｔにおけるノッチ実績値 ｆ 時刻ｔにおけるノッチ計画値 Ｚ 時刻ｔにおけるニュートラルネットワーク出力（ノ
ッチ計画値に対する補正値） Ｈ ＶＩ過剰換気チェックレベル（定数） Ｋ ＣＯ過剰換気チェックレベル（定数） ｈ ＶＩレベル許容下限値（定数） ｋ ＣＯレベル許容上限値（定数） ｐ 時刻ｔ−Ｔ−δ〜ｔ−δにおけるノッチ実績値平均
値 ｑ 時刻ｔ−Ｔ−δにおけるノッチ計画値 ｒ 時刻ｔ−Ｔ〜ｔにおけるＶＩレベル実績値平均値 ｓ 時刻ｔ−Ｔ〜ｔにおけるＣＯレベル実績値平均値 ｕ 時刻ｔ−Ｔ−δにおけるニュートラルネットワーク
出力 ｖ 『時刻ｔ−Ｔ−δにおけるニュートラルネットワー
ク出力』に対応する教師信号 ｗｂ 時刻ｔにおけるニュートラルネットワーク内の各
種重み係数（時刻ｔにおける学習前の値） ｗａ 時刻ｔにおけるニュートラルネットワーク内の各
種重み係数（時刻ｔにおける学習後の値） ｙ リミットチェック後のニュートラルネットワーク出
力 Ｎ 最終的なノッチ設定値 ｔ 現時刻 δ 効果待ち時間 α ニュートラルネットワーク入力向け実績値時系列パ
ターンの時間帯幅 β ニュートラルネットワーク入力向け予測値時系列パ
ターンの時間帯幅 Ｔ 換気機運用計画演算周期
Claims (2)
- 【請求項１】道路トンネル内の交通量を計測して得た過
去の時系列データに基づき道路トンネル内の大気汚染状
況を予測する交通量予測機能手段と、 この交通量予測機能手段による予測結果に基づき、道路
トンネル内に配設された換気機の運転組み合わせである
ノッチ計画値を決定する換気機運用計画機能手段と、 道路トンネル内の大気の汚染濃度に関する時系列データ
および道路トンネル内の交通量に関する時系列データを
入力信号として、道路トンネル内汚染状態を許容範囲に
維持するとともに使用電力量を少なくするように、前記
ノッチ計画値を補正するニュートラルネットワーク機能
手段とを備えることを特徴とする道路トンネル換気制御
装置。 - 【請求項２】前記ニュートラルネットワーク機能手段
は、ノッチ計画値を変更した後の道路トンネル内の大気
の汚染濃度と汚染濃度許容範囲とを比較して生成される
信号を教師信号として、前記ノッチ計画値を補正するこ
とを特徴とする請求項１に記載の道路トンネル換気制御
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3187793A JPH06240999A (ja) | 1993-02-22 | 1993-02-22 | 道路トンネル換気制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3187793A JPH06240999A (ja) | 1993-02-22 | 1993-02-22 | 道路トンネル換気制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06240999A true JPH06240999A (ja) | 1994-08-30 |
Family
ID=12343270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3187793A Withdrawn JPH06240999A (ja) | 1993-02-22 | 1993-02-22 | 道路トンネル換気制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06240999A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5332668A (en) * | 1991-10-11 | 1994-07-26 | Meito Sangyo Co., Ltd. | Protease with low thermostability derived from Mucor pusillus |
-
1993
- 1993-02-22 JP JP3187793A patent/JPH06240999A/ja not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5332668A (en) * | 1991-10-11 | 1994-07-26 | Meito Sangyo Co., Ltd. | Protease with low thermostability derived from Mucor pusillus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2635087B2 (ja) | プロセス制御方法 | |
| CN115359672B (zh) | 一种数据驱动与强化学习结合的交通区域边界控制方法 | |
| CN109238297B (zh) | 一种用户最优及系统最优的动态路径选择方法 | |
| CN114937366A (zh) | 一种基于多尺度交通需求与供给转化的交通流推算方法 | |
| Ngoduy et al. | Comparison of numerical schemes for macroscopic traffic flow models | |
| JPH0877485A (ja) | 走行所要時間予測装置 | |
| JPH06240999A (ja) | 道路トンネル換気制御装置 | |
| US20220292521A1 (en) | Computer-Assisted Method for Generating Training Data for a Neural Network for Predicting a Concentration of Pollutants | |
| Ferkl et al. | Finding optimal ventilation control for highway tunnels | |
| JPH10312497A (ja) | 交通状況予測装置 | |
| JP2703438B2 (ja) | トンネル換気制御装置 | |
| US20230206754A1 (en) | Method for predicting a passage time of an intersection in consideration of irregular rotation and signal waiting, and device using the same | |
| JP3157953B2 (ja) | 交通流予測装置 | |
| JPH10184298A (ja) | 集中排気式道路トンネル換気制御装置 | |
| JP2003113700A (ja) | トンネル換気シミュレーション装置およびトンネル換気制御装置 | |
| JPH06185300A (ja) | トンネル換気制御装置 | |
| US20230184730A1 (en) | Computer-Assisted Method for Generating Training Data for a Neural Network for Predicting a Concentration of Pollutants at a Measuring Station | |
| JP3204004B2 (ja) | トンネル換気自動制御装置および方法 | |
| JP2004156258A (ja) | トンネル換気制御方法および装置 | |
| JP2004285709A (ja) | 道路トンネル換気制御装置及びコンピュータプログラム | |
| JP2002227599A (ja) | 道路トンネル換気制御装置 | |
| CN101651618B (zh) | 基于改进nr-hnnr算法的通信网络路由控制方法 | |
| JPH08249586A (ja) | 交通流予測装置 | |
| CN114909181B (zh) | 分析隧道施工污染物分布规律的方法及自动控制装置 | |
| JPH10181603A (ja) | 乗車列車選択支援情報作成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20000509 |