JPH0968000A - 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
- JPH0968000A JPH0968000A JP22538595A JP22538595A JPH0968000A JP H0968000 A JPH0968000 A JP H0968000A JP 22538595 A JP22538595 A JP 22538595A JP 22538595 A JP22538595 A JP 22538595A JP H0968000 A JPH0968000 A JP H0968000A
- Authority
- JP
- Japan
- Prior art keywords
- value
- operating
- time
- actual
- traffic volume
- 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.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
- Control Of Non-Electrical Variables (AREA)
- Control Of Positive-Displacement Air Blowers (AREA)
Abstract
(57)【要約】
【課題】 制御応答を改善し、トンネル内の汚染濃
度を安定で精度よく維持することにある。 【解決手段】 道路トンネル内の換気機の運転台数を制
御する道路トンネル換気制御装置において、 交通量実
績値、運転台数実績値等が入力され、かつ、前記道路ト
ンネル内の汚染濃度実績値を教師信号とし、重み係数を
学習するニューラルネット構造学習部1と、学習された
重み係数を記憶する重み係数記憶部2と、交通量実績
値、運転台数実績値、交通量予測値および運転台数指令
値等が入力され、前記重み係数記憶部に記憶される重み
係数を用いて汚染濃度予測値を求める汚染濃度予測部3
と、こここで予測された汚染濃度予測値に基づいて換気
機の運転台数指令値を決定する運転台数指令値出力部4
とを設けた道路トンネル換気制御装置である。
度を安定で精度よく維持することにある。 【解決手段】 道路トンネル内の換気機の運転台数を制
御する道路トンネル換気制御装置において、 交通量実
績値、運転台数実績値等が入力され、かつ、前記道路ト
ンネル内の汚染濃度実績値を教師信号とし、重み係数を
学習するニューラルネット構造学習部1と、学習された
重み係数を記憶する重み係数記憶部2と、交通量実績
値、運転台数実績値、交通量予測値および運転台数指令
値等が入力され、前記重み係数記憶部に記憶される重み
係数を用いて汚染濃度予測値を求める汚染濃度予測部3
と、こここで予測された汚染濃度予測値に基づいて換気
機の運転台数指令値を決定する運転台数指令値出力部4
とを設けた道路トンネル換気制御装置である。
Description
【0001】
【発明の属する技術分野】本発明は道路トンネル内の換
気状態を制御する道路トンネル換気制御装置に関する。
気状態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】従来の換気制御装置は、図6に示すよう
に道路トンネル101内の適宜な個所にトンネル内の空
気の透視度を計測する複数のVI計(VI:Vis-ibilit
y Instrument)102a,102b,…と、トンネル内
の空気の流れ具合を計測する風向風速計103とが設置
され、これらVI計102a,102b,…の出力VI
1,VI2,…および風向風速計103の出力VRをフ
ィードバック制御量としてフィードバック制御部104
に導入し、ここでフィードバック制御量と目標値との偏
差から例えばジェットフアン105,…などの換気機の
運転風量または運転台数を求めた後、これら換気機の運
転風量または運転台数の指令値△Qを出力し換気機の運
転風量または運転台数を調整することにより、VI計1
02a,102b,…の出力VI1,VI2,…を目標
値近傍になるように制御している。
に道路トンネル101内の適宜な個所にトンネル内の空
気の透視度を計測する複数のVI計(VI:Vis-ibilit
y Instrument)102a,102b,…と、トンネル内
の空気の流れ具合を計測する風向風速計103とが設置
され、これらVI計102a,102b,…の出力VI
1,VI2,…および風向風速計103の出力VRをフ
ィードバック制御量としてフィードバック制御部104
に導入し、ここでフィードバック制御量と目標値との偏
差から例えばジェットフアン105,…などの換気機の
運転風量または運転台数を求めた後、これら換気機の運
転風量または運転台数の指令値△Qを出力し換気機の運
転風量または運転台数を調整することにより、VI計1
02a,102b,…の出力VI1,VI2,…を目標
値近傍になるように制御している。
【0003】なお、前記VIは、トンネル内の空気の透
視度に関する指標の1つであり、具体的には空気が真っ
暗な状態である0%から空気が全く透明の状態である1
00%までの値をもって透視度を表すものである。
視度に関する指標の1つであり、具体的には空気が真っ
暗な状態である0%から空気が全く透明の状態である1
00%までの値をもって透視度を表すものである。
【0004】さらに、従来の別の制御装置としては、前
記フイードバック制御に加え、当該フィードバック制御
の短所である制御応答の遅れを補うために、交通量の予
測データおよび換気プロセスの数学モデルを用いて、換
気負荷に見合った換気機の運転風量または運転台数を設
定する,いわゆるフィードフォワード制御を併用したも
のがある。
記フイードバック制御に加え、当該フィードバック制御
の短所である制御応答の遅れを補うために、交通量の予
測データおよび換気プロセスの数学モデルを用いて、換
気負荷に見合った換気機の運転風量または運転台数を設
定する,いわゆるフィードフォワード制御を併用したも
のがある。
【0005】
【発明が解決しようとする課題】しかしながら、以上の
ようなフィードバック制御を用いた装置においては、過
去の経験等を考慮しつつ制御ゲインや制御アルゴリズム
を定めてトンネル内の換気制御を実施するが、その後の
トンネル開通後の長期間(少くとも数週間)にわたって
トンネル内設置機器から種々のデータを収集し、トンネ
ル内の換気状態を監視しつつ制御性能を評価し、それに
従って制御ゲインや制御アルゴリズムの修正等を手作業
で行うことから、作業が煩雑で面倒であると同時に、手
作業に多大の時間と労力を要する問題がある。また、フ
ィードバック制御の場合には、制御応答の遅れがあり、
トンネル内の汚染状態を許容範囲内に安定に維持するこ
とは難しい。
ようなフィードバック制御を用いた装置においては、過
去の経験等を考慮しつつ制御ゲインや制御アルゴリズム
を定めてトンネル内の換気制御を実施するが、その後の
トンネル開通後の長期間(少くとも数週間)にわたって
トンネル内設置機器から種々のデータを収集し、トンネ
ル内の換気状態を監視しつつ制御性能を評価し、それに
従って制御ゲインや制御アルゴリズムの修正等を手作業
で行うことから、作業が煩雑で面倒であると同時に、手
作業に多大の時間と労力を要する問題がある。また、フ
ィードバック制御の場合には、制御応答の遅れがあり、
トンネル内の汚染状態を許容範囲内に安定に維持するこ
とは難しい。
【0006】一方、フィードバック・フィードフォワー
ド制御を用いた装置においては、数学モデル自体の構築
がかなり複雑であり、数学モデル上に誤差があったと
き、制御性能がかなり低下する問題がある。
ド制御を用いた装置においては、数学モデル自体の構築
がかなり複雑であり、数学モデル上に誤差があったと
き、制御性能がかなり低下する問題がある。
【0007】本発明は上記実情に鑑みてなされたもの
で、制御応答を改善し、トンネル内の汚染状態を許容範
囲に安定に精度よく維持する道路トンネル換気制御装置
を提供することにある。また、本発明は、過剰な換気機
運転を回避し所要電力の低減化を実現する道路トンネル
換気制御装置を提供することにある。
で、制御応答を改善し、トンネル内の汚染状態を許容範
囲に安定に精度よく維持する道路トンネル換気制御装置
を提供することにある。また、本発明は、過剰な換気機
運転を回避し所要電力の低減化を実現する道路トンネル
換気制御装置を提供することにある。
【0008】
【課題を解決するための手段】上記課題を解決するため
に、請求項1に対応する発明は、道路トンネル内の交通
量に応じて汚染される道路トンネル内汚染濃度を所定範
囲に維持するために、前記道路トンネル内に配設される
換気機を制御しながら換気を行う道路トンネル換気制御
装置において、交通量実績値の時系列データ、換気機運
転風量または運転台数実績値の時系列データの他、必要
に応じて道路トンネル内風速実績値等が入力され、か
つ、前記道路トンネル内の汚染濃度実績値データを教師
信号として用いることにより、重み係数を学習するニュ
ーラルネットワークよりなるニューラルネット構造学習
手段と、この学習手段によって学習された重み係数を記
憶する重み係数記憶手段と、交通量を予測出力する交通
量予測値発生手段および換気機運転風量または運転台数
を出力する運転台数指令値発生手段と、前記交通量実績
値の時系列データ、換気機運転風量または運転台数実績
値の時系列データ、前記道路トンネル内風速実績値デー
タ、前記交通量予測値および前記換気機運転風量または
運転台数指令値等が入力され、前記重み係数記憶手段に
記憶される重み係数を用いて汚染濃度予測値を求めるニ
ューラルネットワークよりなる汚染濃度予測手段と、こ
の汚染濃度予測手段で予測される汚染濃度予測値に基づ
いて前記換気機の運転台数指令値を決定する運転台数指
令値出力手段とを設けた道路トンネル換気制御装置であ
る。
に、請求項1に対応する発明は、道路トンネル内の交通
量に応じて汚染される道路トンネル内汚染濃度を所定範
囲に維持するために、前記道路トンネル内に配設される
換気機を制御しながら換気を行う道路トンネル換気制御
装置において、交通量実績値の時系列データ、換気機運
転風量または運転台数実績値の時系列データの他、必要
に応じて道路トンネル内風速実績値等が入力され、か
つ、前記道路トンネル内の汚染濃度実績値データを教師
信号として用いることにより、重み係数を学習するニュ
ーラルネットワークよりなるニューラルネット構造学習
手段と、この学習手段によって学習された重み係数を記
憶する重み係数記憶手段と、交通量を予測出力する交通
量予測値発生手段および換気機運転風量または運転台数
を出力する運転台数指令値発生手段と、前記交通量実績
値の時系列データ、換気機運転風量または運転台数実績
値の時系列データ、前記道路トンネル内風速実績値デー
タ、前記交通量予測値および前記換気機運転風量または
運転台数指令値等が入力され、前記重み係数記憶手段に
記憶される重み係数を用いて汚染濃度予測値を求めるニ
ューラルネットワークよりなる汚染濃度予測手段と、こ
の汚染濃度予測手段で予測される汚染濃度予測値に基づ
いて前記換気機の運転台数指令値を決定する運転台数指
令値出力手段とを設けた道路トンネル換気制御装置であ
る。
【0009】従って、このような手段とすることによ
り、実際の実績値データを用いて入力および教師信号と
し、ニューラルネットの構造,つまり重み係数を学習し
た後、これら重み係数を用いて実際の実績値をニューラ
ルネットワークに入力し、汚染濃度予測値を取り出すの
で、従来のフィードバック制御のごとく制御応答の遅れ
がなく、またフィードフォーワード制御のごとく複雑な
数学モデルを用いずに正確にトンネル内の汚染濃度を予
測でき、これにより適切な換気機の運転台数の下にトン
ネル内の汚染状態を換気できる。
り、実際の実績値データを用いて入力および教師信号と
し、ニューラルネットの構造,つまり重み係数を学習し
た後、これら重み係数を用いて実際の実績値をニューラ
ルネットワークに入力し、汚染濃度予測値を取り出すの
で、従来のフィードバック制御のごとく制御応答の遅れ
がなく、またフィードフォーワード制御のごとく複雑な
数学モデルを用いずに正確にトンネル内の汚染濃度を予
測でき、これにより適切な換気機の運転台数の下にトン
ネル内の汚染状態を換気できる。
【0010】請求項2に対応する発明は、請求項1に対
応する発明における汚染濃度実績値に代えてトンネル内
風速実績値を教師信号としてニューラルネットの構造を
学習する一方、トンネル内風速予測手段では、前記学習
された構造である重み係数と実際の実績値とを用いてニ
ューラルネットワークでトンネル内風速予測値を予測す
るので、トンネル内の風速の状態を迅速に予測でき、こ
れによって換気機の運転風量または運転台数を定めて所
定範囲の風速に設定できる。
応する発明における汚染濃度実績値に代えてトンネル内
風速実績値を教師信号としてニューラルネットの構造を
学習する一方、トンネル内風速予測手段では、前記学習
された構造である重み係数と実際の実績値とを用いてニ
ューラルネットワークでトンネル内風速予測値を予測す
るので、トンネル内の風速の状態を迅速に予測でき、こ
れによって換気機の運転風量または運転台数を定めて所
定範囲の風速に設定できる。
【0011】請求項3に対応する発明は、請求項1およ
び請求項2に対応する発明の構成要件である運転台数指
令値出力手段を技術的に限定した例であり、これは運転
台数指令値発生手段から複数種類の換気機運転風量また
は運転台数指令値をニューラルネットワークに入力し、
当該ニューラルネットワークから複数の汚染濃度予測
値、複数の道路トンネル内風速予測値を受けたとき、運
転台数指令値出力手段では、これら複数の汚染濃度予測
値、複数の道路トンネル内風速予測値の中から所定範囲
の汚染濃度予測値または道路トンネル内風速予測値を選
択し、この選択された汚染濃度予測値または道路トンネ
ル内風速予測値に基づいて前記換気機の運転台数指令値
を決定する構成である。
び請求項2に対応する発明の構成要件である運転台数指
令値出力手段を技術的に限定した例であり、これは運転
台数指令値発生手段から複数種類の換気機運転風量また
は運転台数指令値をニューラルネットワークに入力し、
当該ニューラルネットワークから複数の汚染濃度予測
値、複数の道路トンネル内風速予測値を受けたとき、運
転台数指令値出力手段では、これら複数の汚染濃度予測
値、複数の道路トンネル内風速予測値の中から所定範囲
の汚染濃度予測値または道路トンネル内風速予測値を選
択し、この選択された汚染濃度予測値または道路トンネ
ル内風速予測値に基づいて前記換気機の運転台数指令値
を決定する構成である。
【0012】従って、このような手段とすることによ
り、所定範囲の汚染濃度予測値または道路トンネル内風
速予測値となるように換気機の運転台数を決定できるだ
けでなく、所定範囲の中で消費電力が最も少くなるよう
な運転台数の決定も可能であり、省エネルギー化にも貢
献できる。
り、所定範囲の汚染濃度予測値または道路トンネル内風
速予測値となるように換気機の運転台数を決定できるだ
けでなく、所定範囲の中で消費電力が最も少くなるよう
な運転台数の決定も可能であり、省エネルギー化にも貢
献できる。
【0013】請求項4に対応する発明は、請求項1に対
応する発明の構成要件と、請求項2に対応する発明の構
成要件とを組み合わせることにより、汚染濃度予測値お
よび道路トンネル内風速予測値の何れかを選択的に用い
てトンネル内の換気状態を制御可能である。
応する発明の構成要件と、請求項2に対応する発明の構
成要件とを組み合わせることにより、汚染濃度予測値お
よび道路トンネル内風速予測値の何れかを選択的に用い
てトンネル内の換気状態を制御可能である。
【0014】請求項5に対応する発明は、請求項4に対
応する発明の構成要件である運転台数指令値選択手段を
技術的に限定した例であり、請求項3と同様な手段およ
び作用を有する。
応する発明の構成要件である運転台数指令値選択手段を
技術的に限定した例であり、請求項3と同様な手段およ
び作用を有する。
【0015】請求項6に対応する発明は、交通量実績値
の時系列データ、換気機運転風量または運転台数実績値
の時系列データ、前記道路トンネル内の汚染濃度実績値
の時系列データ等が入力され、かつ、前記換気機の運転
台数実績値を教師信号として用いることにより、重み係
数を学習するニューラルネットワークよりなるニューラ
ルネット構造学習手段と、この学習手段によって学習さ
れた重み係数を記憶する重み係数記憶手段と、交通量を
予測出力する交通量予測値発生手段および換気機運転風
量または運転台数を出力する運転台数指令値発生手段
と、前記交通量実績値の時系列データ、換気機運転風量
または運転台数実績値の時系列データ、前記道路トンネ
ル内の汚染濃度実績値の時系列データおよび汚染濃度目
標値等が入力され、前記重み係数記憶手段に記憶される
重み係数を用いて前記換気機の運転台数を決定する運転
台数決定手段とを設け、この運転台数の予測値に基づい
て換気機を運転する道路トンネル換気制御装置である。
の時系列データ、換気機運転風量または運転台数実績値
の時系列データ、前記道路トンネル内の汚染濃度実績値
の時系列データ等が入力され、かつ、前記換気機の運転
台数実績値を教師信号として用いることにより、重み係
数を学習するニューラルネットワークよりなるニューラ
ルネット構造学習手段と、この学習手段によって学習さ
れた重み係数を記憶する重み係数記憶手段と、交通量を
予測出力する交通量予測値発生手段および換気機運転風
量または運転台数を出力する運転台数指令値発生手段
と、前記交通量実績値の時系列データ、換気機運転風量
または運転台数実績値の時系列データ、前記道路トンネ
ル内の汚染濃度実績値の時系列データおよび汚染濃度目
標値等が入力され、前記重み係数記憶手段に記憶される
重み係数を用いて前記換気機の運転台数を決定する運転
台数決定手段とを設け、この運転台数の予測値に基づい
て換気機を運転する道路トンネル換気制御装置である。
【0016】このような手段とすることにより、ニュー
ラルネットワークを用いて直接換気機の運転風量または
運転台数を決定でき、構成の簡素化を実現しつつ、請求
項1に対応する発明同様な作用を奏することができる。
ラルネットワークを用いて直接換気機の運転風量または
運転台数を決定でき、構成の簡素化を実現しつつ、請求
項1に対応する発明同様な作用を奏することができる。
【0017】
(第1の実施の形態)図1は請求項1,3に係わる道路
トンネル換気制御装置の一実施形態を示す構成図であ
る。
トンネル換気制御装置の一実施形態を示す構成図であ
る。
【0018】この制御装置は、ニューラルネットの構
造,つまりニューラルネットワークを構成する多数のニ
ューロン素子の重み係数を学習するニューラルネット構
造学習部1と、このニューラルネット構造学習部1によ
り各実績関係データの下に学習された重み係数を順次記
憶していく重み係数記憶部2と、実際に実績関係データ
が入力されたとき、重み係数記憶部2に記憶された重み
係数を用いて道路トンネル内の汚染濃度を予測する汚染
濃度予測部3と、前記汚染濃度予測部3によって予測さ
れる汚染濃度予測値に基づいてジェットファンなどの換
気機の運転台数指令値を出力する運転台数指令値出力部
4とで構成されている。
造,つまりニューラルネットワークを構成する多数のニ
ューロン素子の重み係数を学習するニューラルネット構
造学習部1と、このニューラルネット構造学習部1によ
り各実績関係データの下に学習された重み係数を順次記
憶していく重み係数記憶部2と、実際に実績関係データ
が入力されたとき、重み係数記憶部2に記憶された重み
係数を用いて道路トンネル内の汚染濃度を予測する汚染
濃度予測部3と、前記汚染濃度予測部3によって予測さ
れる汚染濃度予測値に基づいてジェットファンなどの換
気機の運転台数指令値を出力する運転台数指令値出力部
4とで構成されている。
【0019】前記ニューラルネット構造学習部1および
汚染濃度予測部3に入力する実績関係データを取込み設
置機器としては、例えば対面通行の道路トンネル5内に
換気機としてのジェットファン6,…、トンネル内の透
視度であるVI値を計測するVI計VI1,VI2、ト
ンネル内風速を計測する風向風速計WSが設置され、さ
らに道路トンネル5の外側入口近傍にはトンネルへ向か
う大型車および小型車の交通量を計測する交通量計測器
TC1,TC2が設置されている。矢印7は換気方向を
示す。
汚染濃度予測部3に入力する実績関係データを取込み設
置機器としては、例えば対面通行の道路トンネル5内に
換気機としてのジェットファン6,…、トンネル内の透
視度であるVI値を計測するVI計VI1,VI2、ト
ンネル内風速を計測する風向風速計WSが設置され、さ
らに道路トンネル5の外側入口近傍にはトンネルへ向か
う大型車および小型車の交通量を計測する交通量計測器
TC1,TC2が設置されている。矢印7は換気方向を
示す。
【0020】前記ニューラルネット構造学習部1はニュ
ーラルネットワークによって構成され、このニューラル
ネットワークには、交通量計測器TC1,TC2から交
通量実績値の時系列データ、運転台数指令値出力部4か
ら運転台数を含む換気機運転風量実績値の時系列デー
タ、風向風速計WSからトンネル内の風速実績値データ
がそれぞれ入力され、さらに早期に収束を可能とするマ
イナス1のユニット入力(収束係数)−1が入力され、
かつ、教師信号としてトンネル内汚染濃度実績値を用い
る。そして、ニューラルネットワークの出力と教師信号
との誤差が零になるような重み係数を学習し、この学習
結果の重み係数を順次重み係数記憶部2に記憶する。
ーラルネットワークによって構成され、このニューラル
ネットワークには、交通量計測器TC1,TC2から交
通量実績値の時系列データ、運転台数指令値出力部4か
ら運転台数を含む換気機運転風量実績値の時系列デー
タ、風向風速計WSからトンネル内の風速実績値データ
がそれぞれ入力され、さらに早期に収束を可能とするマ
イナス1のユニット入力(収束係数)−1が入力され、
かつ、教師信号としてトンネル内汚染濃度実績値を用い
る。そして、ニューラルネットワークの出力と教師信号
との誤差が零になるような重み係数を学習し、この学習
結果の重み係数を順次重み係数記憶部2に記憶する。
【0021】なお、前記交通量実績値の時系列データと
しては、例えば次のようなデータが使用される。 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] また、換気機運転風量または運転台数実績値の時系列デ
ータとしては、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。また、トンネル内の風速実績値データと
しては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の風向風速計WSの出力平均値野実績値[m/s]が
用いられる。さらに、教師信号には、 * 時刻t-1 ・△t(min )〜時刻t (min )間のVI
計出力平均値の実績値[%]が用いられる。
しては、例えば次のようなデータが使用される。 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] また、換気機運転風量または運転台数実績値の時系列デ
ータとしては、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。また、トンネル内の風速実績値データと
しては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の風向風速計WSの出力平均値野実績値[m/s]が
用いられる。さらに、教師信号には、 * 時刻t-1 ・△t(min )〜時刻t (min )間のVI
計出力平均値の実績値[%]が用いられる。
【0022】次に、前記汚染濃度予測部3においては、
同じくニューラルネットワークで構成され、このニュー
ラルネットワークには、交通量計測器TC1,TC2か
ら交通量実績値の時系列データ、運転台数指令値出力部
4から運転台数を含む換気機運転風量実績値の時系列デ
ータがそれぞれ入力され、その他早期に収束を可能とす
るマイナス1のユニット入力(収束係数)−1が入力さ
れ、さらに交通量予測値発生手段8および換気機運転風
量または運転台数指令値発生手段9からそれぞれ交通量
予測値データ、換気機運転風量または運転台数指令値デ
ータが入力される。
同じくニューラルネットワークで構成され、このニュー
ラルネットワークには、交通量計測器TC1,TC2か
ら交通量実績値の時系列データ、運転台数指令値出力部
4から運転台数を含む換気機運転風量実績値の時系列デ
ータがそれぞれ入力され、その他早期に収束を可能とす
るマイナス1のユニット入力(収束係数)−1が入力さ
れ、さらに交通量予測値発生手段8および換気機運転風
量または運転台数指令値発生手段9からそれぞれ交通量
予測値データ、換気機運転風量または運転台数指令値デ
ータが入力される。
【0023】この交通量予測値発生手段8は、予め曜
日,休日,晴天,雨,曇天,各時間帯等に基づく過去の
交通量などが記憶され、この記憶された現在時間の交通
量に例えば現在の周囲の道路状況に係わる交通量データ
などを参考にし、交通量予測値を発生する機能を持って
いる。前記換気機運転風量または運転台数指令予測値発
生手段9からは、換気機運転風量または運転台数が段階
的に発生される。
日,休日,晴天,雨,曇天,各時間帯等に基づく過去の
交通量などが記憶され、この記憶された現在時間の交通
量に例えば現在の周囲の道路状況に係わる交通量データ
などを参考にし、交通量予測値を発生する機能を持って
いる。前記換気機運転風量または運転台数指令予測値発
生手段9からは、換気機運転風量または運転台数が段階
的に発生される。
【0024】さらに、必要に応じて汚染濃度予測部3を
構成するニューラルネットワークには風向風速計WSか
らトンネル内の風速実績値データが入力される。この汚
染濃度予測部3を構成するニューラルネットワークに入
力する交通量実績値の時系列データとしては、例えば次
のようなデータが使用される。 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t 間の上り線大型車
交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] また、運転台数を含む換気機運転風量実績値の時系列デ
ータとしては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられ、またトンネル内の風速実績値データとして
は、 * 時刻t-1 ・△t(min )〜時刻t ・△t(min )間
の風向風速計WSの出力平均値野実績値[m/s]が用
いられる。
構成するニューラルネットワークには風向風速計WSか
らトンネル内の風速実績値データが入力される。この汚
染濃度予測部3を構成するニューラルネットワークに入
力する交通量実績値の時系列データとしては、例えば次
のようなデータが使用される。 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t 間の上り線大型車
交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] また、運転台数を含む換気機運転風量実績値の時系列デ
ータとしては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられ、またトンネル内の風速実績値データとして
は、 * 時刻t-1 ・△t(min )〜時刻t ・△t(min )間
の風向風速計WSの出力平均値野実績値[m/s]が用
いられる。
【0025】さらに、交通量予測値発生手段8から入力
する交通量予測値データとしては、 * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線小型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線小型車交通量予測値[台/△t]が用いられる。
する交通量予測値データとしては、 * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線小型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線小型車交通量予測値[台/△t]が用いられる。
【0026】そして、この汚染濃度予測部3を構成する
ニューラルネットワークから、 * 時刻t (min )〜時刻t+1 ・△t(min )間のVI
計出力平均値の予測値[%]を取り出すものである。
ニューラルネットワークから、 * 時刻t (min )〜時刻t+1 ・△t(min )間のVI
計出力平均値の予測値[%]を取り出すものである。
【0027】次に、ニューラルネット構造学習部1およ
び汚染濃度予測部3を構成するニューラルネットワーク
について説明する。図2は本装置に用いられるニューラ
ルネットワークの構成を示す図である。先ず、中間層の
出力Yj は、次式により演算される。 Yj =Fj (UYj) (j=1,2,…,N) ……(1)
び汚染濃度予測部3を構成するニューラルネットワーク
について説明する。図2は本装置に用いられるニューラ
ルネットワークの構成を示す図である。先ず、中間層の
出力Yj は、次式により演算される。 Yj =Fj (UYj) (j=1,2,…,N) ……(1)
【0028】
【数1】
【0029】なお、上式において、 Yj :図2の中間層の第j素子の出力 F :各素子の入出力特性を表す関数 Wji:図2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2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) である。一方、出力層の出力Zは次式から求められる。 Zk =Fk (Uzk) ……(3)
間の重み係数 Xi :図2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) である。一方、出力層の出力Zは次式から求められる。 Zk =Fk (Uzk) ……(3)
【0030】
【数2】
【0031】なお、上式において、 Zk :出力層の第k素子の出力 Wkj:中間層の第j素子と出力層の第k素子との間の重
み係数である。
み係数である。
【0032】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)−0.5 ……(5) これら(1)式ないし(5)式の演算はニューラルネッ
トワークの内部処理である。
シグモイド関数を採用する。 F(U)=1/(1+e-U)−0.5 ……(5) これら(1)式ないし(5)式の演算はニューラルネッ
トワークの内部処理である。
【0033】さらに、ニューラルネット構造学習部1に
おけるニューラルネットの構造学習においては、汚染濃
度予測部3出力の精度向上のために、汚染濃度予測部3
を構成するニューラルネットワーク内部の重み係数Wk
j,Wjiの学習が行われる。この学習方法としては以下
に示すバック・プロパゲーション法(BP法)を用い
る。先ず、教師信号Vk と信号Zk との誤差関数を下式
に基づいて定義する。
おけるニューラルネットの構造学習においては、汚染濃
度予測部3出力の精度向上のために、汚染濃度予測部3
を構成するニューラルネットワーク内部の重み係数Wk
j,Wjiの学習が行われる。この学習方法としては以下
に示すバック・プロパゲーション法(BP法)を用い
る。先ず、教師信号Vk と信号Zk との誤差関数を下式
に基づいて定義する。
【0034】
【数3】
【0035】バックプロパゲーションとは、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方法であ
り、重み係数の修正量△Wkj,△Wjiは次式により演算
される。
最小値に近づくように重み係数を修正していく方法であ
り、重み係数の修正量△Wkj,△Wjiは次式により演算
される。
【0036】
【数4】
【0037】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。前記(7)式および(8)
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。 △Wkj=−ε・λk ・Yj ……(9) △Wji=−ε・μj ・Xi ……(10)
を決めるパラメータである。前記(7)式および(8)
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。 △Wkj=−ε・λk ・Yj ……(9) △Wji=−ε・μj ・Xi ……(10)
【0038】
【数5】
【0039】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、前記(9)式、前記(10)
式の代わりに次式を採用する方法が考えられる。 △Wkj(m )=−ε・λk ・Yj +α・△Wkj(m-1 ) ……(13) △Wji(m )=−ε・μj ・Xi +α・△Wji(m-1 ) ……(14) 但し、αは、0<α<1の範囲とし、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。
速度の向上を図るために、前記(9)式、前記(10)
式の代わりに次式を採用する方法が考えられる。 △Wkj(m )=−ε・λk ・Yj +α・△Wkj(m-1 ) ……(13) △Wji(m )=−ε・μj ・Xi +α・△Wji(m-1 ) ……(14) 但し、αは、0<α<1の範囲とし、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。
【0040】次に、以上のように構成された装置の動作
について説明する。先ず、ニューラルネット構造学習部
1では、交通量計測器TC1,TC2の出力である交通
量実績値の時系列データ、運転台数指令値出力部4から
出力される運転台数実績値の時系列データ、風向風速計
WSで計測される風速実績値ダータおよび収束係数(ユ
ニット入力)−1をそれぞれニューラルネットワークの
入力層に入力する。この状態においてニューラルネット
ワークの出力と、VI計VI1,VI2の出力平均値実
績値との誤差が零となるように当該ニューラルネットワ
ークの重み係数を可変する。そして、誤差が最小値近傍
となる重み係数を学習し、その学習結果の重み係数を重
み係数記憶部2に記憶する。
について説明する。先ず、ニューラルネット構造学習部
1では、交通量計測器TC1,TC2の出力である交通
量実績値の時系列データ、運転台数指令値出力部4から
出力される運転台数実績値の時系列データ、風向風速計
WSで計測される風速実績値ダータおよび収束係数(ユ
ニット入力)−1をそれぞれニューラルネットワークの
入力層に入力する。この状態においてニューラルネット
ワークの出力と、VI計VI1,VI2の出力平均値実
績値との誤差が零となるように当該ニューラルネットワ
ークの重み係数を可変する。そして、誤差が最小値近傍
となる重み係数を学習し、その学習結果の重み係数を重
み係数記憶部2に記憶する。
【0041】このニューラルネット構造学習部1におい
ては、各種の実績値に対して順次重み係数を学習し、そ
の学習結果の重み係数を重み係数記憶部2に順次記憶し
ていく。
ては、各種の実績値に対して順次重み係数を学習し、そ
の学習結果の重み係数を重み係数記憶部2に順次記憶し
ていく。
【0042】以上のようにして重み係数を学習し重み係
数記憶部2に記憶した後、交通量計測器TC1,TC2
の出力である交通量実績値の時系列データ、運転台数指
令値出力部4から出力される運転台数実績値の時系列デ
ータ、風向風速計WSによって計測される風速実績値デ
ータおよび収束係数(ユニット入力)−1の他、交通量
予測値発生手段8から交通量予測値、運転台数指令値発
生手段9から運転台数指令値等を汚染濃度予測部3を構
成するニューラルネットワークに入力する一方、重み係
数記憶部2から当該交通量実績値の時系列データ、運転
台数実績値の時系列データ、風速実績値データおよび収
束係数(ユニット入力)−1の学習によって得られる重
み係数を取り出し、ニューラルネットワークの各ニュー
ロン素子に設定し、当該ニューラルネットワークからV
I計出力平均値の予測値[%]を出力し、運転台数指令
値出力部4に送出する。
数記憶部2に記憶した後、交通量計測器TC1,TC2
の出力である交通量実績値の時系列データ、運転台数指
令値出力部4から出力される運転台数実績値の時系列デ
ータ、風向風速計WSによって計測される風速実績値デ
ータおよび収束係数(ユニット入力)−1の他、交通量
予測値発生手段8から交通量予測値、運転台数指令値発
生手段9から運転台数指令値等を汚染濃度予測部3を構
成するニューラルネットワークに入力する一方、重み係
数記憶部2から当該交通量実績値の時系列データ、運転
台数実績値の時系列データ、風速実績値データおよび収
束係数(ユニット入力)−1の学習によって得られる重
み係数を取り出し、ニューラルネットワークの各ニュー
ロン素子に設定し、当該ニューラルネットワークからV
I計出力平均値の予測値[%]を出力し、運転台数指令
値出力部4に送出する。
【0043】この運転台数指令値出力部4は、予め所定
の汚染濃度範囲が設定され、VI計出力平均値の予測値
の基づいて最適なジェットファン運転台数指令値Sout
を出力し、その指令運転台数のジェットファン6,…の
運転を行う。
の汚染濃度範囲が設定され、VI計出力平均値の予測値
の基づいて最適なジェットファン運転台数指令値Sout
を出力し、その指令運転台数のジェットファン6,…の
運転を行う。
【0044】なお、上記実施形態では、換気機運転風量
または運転台数指令値発生手段9から1種類の換気機運
転風量または運転台数指令予測値を汚染濃度予測部3に
入力するようにしたが、例えば複数種類の換気機運転風
量または運転台数指令予測値を入力し、これによってニ
ューラルネットから複数の汚染濃度予測値が得られたと
き、運転台数指令値出力部4では、これら複数の汚染濃
度予測値の中から所定の範囲を維持する汚染濃度予測値
を選択し、この選択された汚染濃度予測値に従ってジェ
ットファン運転台数指令値Sout を出力する構成であっ
てもよい。
または運転台数指令値発生手段9から1種類の換気機運
転風量または運転台数指令予測値を汚染濃度予測部3に
入力するようにしたが、例えば複数種類の換気機運転風
量または運転台数指令予測値を入力し、これによってニ
ューラルネットから複数の汚染濃度予測値が得られたと
き、運転台数指令値出力部4では、これら複数の汚染濃
度予測値の中から所定の範囲を維持する汚染濃度予測値
を選択し、この選択された汚染濃度予測値に従ってジェ
ットファン運転台数指令値Sout を出力する構成であっ
てもよい。
【0045】従って、以上のような実施形態の構成によ
れば、実際の実績値データを用いて入力および教師信号
とし、ニューラルネットの構造,つまり重み係数を学習
した後、これら重み係数を用いて実際の実績値をニュー
ラルネットワークに入力し、汚染濃度予測値を取り出す
ので、従来のフィードバック制御のごとく制御応答の遅
れがなく、またフィードフォーワード制御のごとく複雑
な数学モデルを用いずに正確にトンネル内の汚染濃度を
予測でき、これにより適切な換気機の運転台数の下にト
ンネル内の汚染状態を適切に換気でき、ひいてはトンネ
ル内の汚染濃度を常に許容範囲に安定に入るように維持
できる。 (第2の実施の形態)図3は請求項2,3に係わる道路
トンネル換気制御装置の実施形態を示す構成図である。
れば、実際の実績値データを用いて入力および教師信号
とし、ニューラルネットの構造,つまり重み係数を学習
した後、これら重み係数を用いて実際の実績値をニュー
ラルネットワークに入力し、汚染濃度予測値を取り出す
ので、従来のフィードバック制御のごとく制御応答の遅
れがなく、またフィードフォーワード制御のごとく複雑
な数学モデルを用いずに正確にトンネル内の汚染濃度を
予測でき、これにより適切な換気機の運転台数の下にト
ンネル内の汚染状態を適切に換気でき、ひいてはトンネ
ル内の汚染濃度を常に許容範囲に安定に入るように維持
できる。 (第2の実施の形態)図3は請求項2,3に係わる道路
トンネル換気制御装置の実施形態を示す構成図である。
【0046】この制御装置は、ニューラルネットワーク
を用いて汚染濃度予測値の代わりに、トンネル内風速予
測値を求める実施形態である。具体的には、予め実績関
係データ等を用いて重み係数を学習する図1と同様なニ
ューラルネットワークで構成されるニューラルネット構
造学習部11と、このニューラルネット構造学習部1で
学習された重み係数を記憶する重み係数記憶部12と、
この学習記憶された重み係数を用いて道路トンネル内の
風速を予測するトンネル内風速予測部13と、このトン
ネル内風速予測部13によって予測されるトンネル内風
速予測値に基づいてジェットファンなどの換気機の運転
台数指令値を出力する運転台数指令値出力部4とで構成
されている。
を用いて汚染濃度予測値の代わりに、トンネル内風速予
測値を求める実施形態である。具体的には、予め実績関
係データ等を用いて重み係数を学習する図1と同様なニ
ューラルネットワークで構成されるニューラルネット構
造学習部11と、このニューラルネット構造学習部1で
学習された重み係数を記憶する重み係数記憶部12と、
この学習記憶された重み係数を用いて道路トンネル内の
風速を予測するトンネル内風速予測部13と、このトン
ネル内風速予測部13によって予測されるトンネル内風
速予測値に基づいてジェットファンなどの換気機の運転
台数指令値を出力する運転台数指令値出力部4とで構成
されている。
【0047】このニューラルネット構造学習部11にお
いては、交通量計測器TC1,TC2の交通量実績値の
時系列データ、運転台数指令値出力部12から得られる
運転台数実績値の時系列データの他、マイナス1のユニ
ット入力−1がニューラルネットワークの入力層に入力
され、かつ、教師信号としてトンネル内風速実績値を用
いる。そして、ニューラルネットワークの出力と、教師
信号との誤差が最小になるように種々重み係数を可変学
習し、最も最小になったときの重み係数を重み係数記憶
部12に記憶する。これら交通量実績値の時系列デー
タ、運転台数実績値の時系列データを種々可変し、順次
重み係数を求めて重み係数記憶部12に記憶する。
いては、交通量計測器TC1,TC2の交通量実績値の
時系列データ、運転台数指令値出力部12から得られる
運転台数実績値の時系列データの他、マイナス1のユニ
ット入力−1がニューラルネットワークの入力層に入力
され、かつ、教師信号としてトンネル内風速実績値を用
いる。そして、ニューラルネットワークの出力と、教師
信号との誤差が最小になるように種々重み係数を可変学
習し、最も最小になったときの重み係数を重み係数記憶
部12に記憶する。これら交通量実績値の時系列デー
タ、運転台数実績値の時系列データを種々可変し、順次
重み係数を求めて重み係数記憶部12に記憶する。
【0048】なお、ニューラルネット構造学習部11に
入力する交通量実績値の時系列データとしては、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] が用いられる。
入力する交通量実績値の時系列データとしては、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] が用いられる。
【0049】また、運転台数を含む換気機運転風量実績
値の時系列データとしては、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。
値の時系列データとしては、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。
【0050】さらに、教師信号には、 * 時刻t-1 ・△t(min )〜時刻t 間の風向風速計出
力平均値の実績値[m/s]が用いられる。
力平均値の実績値[m/s]が用いられる。
【0051】一方、トンネル内風速予測部13のニュー
ラルネットワークには、交通量計測器TC1,TC2か
ら交通量実績値の時系列データ、運転台数指令値出力部
4から得られる運転台数実績値の時系列データの他、マ
イナス1のユニット入力−1が入力され、さらに交通量
予測値発生手段14から交通量予測値、換気機運転風量
または運転台数指令予測値発生手段15から換気機運転
風量または運転台数指令値が入力され、また重み係数記
憶部12から当該交通量実績値の時系列データ、運転台
数実績値の時系列データおよびマイナス1のユニット入
力−1の学習によって得られる重み係数を取り出して各
ニューロン素子に設定し、当該ニューラルネットワーク
からトンネル内風速予測値を出力し、運転台数指令値出
力部4に供給する。なお、交通量予測値発生手段14お
よび運転台数指令値発生手段15は、図1に示す交通量
予測値発生手段8および運転台数指令値発生手段9と同
様な構成を有する。
ラルネットワークには、交通量計測器TC1,TC2か
ら交通量実績値の時系列データ、運転台数指令値出力部
4から得られる運転台数実績値の時系列データの他、マ
イナス1のユニット入力−1が入力され、さらに交通量
予測値発生手段14から交通量予測値、換気機運転風量
または運転台数指令予測値発生手段15から換気機運転
風量または運転台数指令値が入力され、また重み係数記
憶部12から当該交通量実績値の時系列データ、運転台
数実績値の時系列データおよびマイナス1のユニット入
力−1の学習によって得られる重み係数を取り出して各
ニューロン素子に設定し、当該ニューラルネットワーク
からトンネル内風速予測値を出力し、運転台数指令値出
力部4に供給する。なお、交通量予測値発生手段14お
よび運転台数指令値発生手段15は、図1に示す交通量
予測値発生手段8および運転台数指令値発生手段9と同
様な構成を有する。
【0052】この運転台数指令値出力部4は、予め所定
風速範囲データが記憶され、前記トンネル内風速予測値
に従って最適なジェットファン運転台数指令値Sout を
出力し、この指令値の運転台数からなるジェットファン
6,…の運転が行われる。
風速範囲データが記憶され、前記トンネル内風速予測値
に従って最適なジェットファン運転台数指令値Sout を
出力し、この指令値の運転台数からなるジェットファン
6,…の運転が行われる。
【0053】なお、前記交通量実績値の時系列データと
しては、例えば次のようなデータが使用される。 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t 間の上り線大型車
交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] また、運転台数を含む換気機運転風量実績値の時系列デ
ータとしては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。さらに、交通量予測値発生手段8から入
力される交通量予測値データとしては、 * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線小型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線小型車交通量予測値[台/△t] が用いられる。
しては、例えば次のようなデータが使用される。 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t 間の上り線大型車
交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] また、運転台数を含む換気機運転風量実績値の時系列デ
ータとしては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。さらに、交通量予測値発生手段8から入
力される交通量予測値データとしては、 * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線小型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線小型車交通量予測値[台/△t] が用いられる。
【0054】また、換気機運転風量または運転台数指令
値発生手段15から出力される運転台数指令値には、 * 時刻t-1 (min )〜時刻t (min )間のジェットフ
ァン運転台数実績値[台/△t] が用いられる。
値発生手段15から出力される運転台数指令値には、 * 時刻t-1 (min )〜時刻t (min )間のジェットフ
ァン運転台数実績値[台/△t] が用いられる。
【0055】そして、このトンネル内風速予測部13の
ニューラルネットワークから、 * 時刻t (min )〜時刻t+1 (min )間の風向風速計
出力平均値の予測値[m/s]を取り出し、運転台数指
令値出力部4に供給する。ここでは、風向風速計出力平
均値の予測値[m/s]に従って最適なジェットファン
運転台数指令値Soutを出力し、その指令値の運転台
数のジェットファン6,…の運転を行う。
ニューラルネットワークから、 * 時刻t (min )〜時刻t+1 (min )間の風向風速計
出力平均値の予測値[m/s]を取り出し、運転台数指
令値出力部4に供給する。ここでは、風向風速計出力平
均値の予測値[m/s]に従って最適なジェットファン
運転台数指令値Soutを出力し、その指令値の運転台
数のジェットファン6,…の運転を行う。
【0056】なお、上記実施形態では、換気機運転風量
または運転台数指令値発生手段9から1種類の換気機運
転風量または運転台数指令値をトンネル内風速予測部1
3に入力するようにしたが、例えば複数種類の換気機運
転風量または運転台数指令値を入力し、これによりニュ
ーラルネットから複数のトンネル内風速予測値を得たと
き、運転台数指令値出力部4では、複数のトンネル内風
速予測値の中から所定の範囲を維持するトンネル内風速
予測値を選択し、この選択されたトンネル内風速予測値
に従ってジェットファン運転台数指令値Sout を出
力する構成であってもよい。
または運転台数指令値発生手段9から1種類の換気機運
転風量または運転台数指令値をトンネル内風速予測部1
3に入力するようにしたが、例えば複数種類の換気機運
転風量または運転台数指令値を入力し、これによりニュ
ーラルネットから複数のトンネル内風速予測値を得たと
き、運転台数指令値出力部4では、複数のトンネル内風
速予測値の中から所定の範囲を維持するトンネル内風速
予測値を選択し、この選択されたトンネル内風速予測値
に従ってジェットファン運転台数指令値Sout を出
力する構成であってもよい。
【0057】従って、以上のような実施形態の構成によ
れば、実際の実績値データを用いて入力および教師信号
とし、ニューラルネットの構造,つまり重み係数を学習
した後、これら重み係数を用いて実際の実績値をニュー
ラルネットワークに入力し、トンネル内風速予測値を取
り出すので、従来のフィードバック制御のような制御応
答の遅れがなく迅速にトンネル内風速予測値を取り出す
ことが可能であり、またフィードフォーワード制御のよ
うに複雑な数学モデルを用いずに正確にトンネル内風速
を予測でき、これにより適切な換気機の運転台数の下に
トンネル内の風速,ひいては汚染状態を適切に換気で
き、ひいてはトンネル内の汚染濃度を常に許容範囲に安
定に入るように維持できる。 (第3の実施の形態)図4は請求項4,5に係わる道路
トンネル換気制御装置の実施形態を示す構成図である。
れば、実際の実績値データを用いて入力および教師信号
とし、ニューラルネットの構造,つまり重み係数を学習
した後、これら重み係数を用いて実際の実績値をニュー
ラルネットワークに入力し、トンネル内風速予測値を取
り出すので、従来のフィードバック制御のような制御応
答の遅れがなく迅速にトンネル内風速予測値を取り出す
ことが可能であり、またフィードフォーワード制御のよ
うに複雑な数学モデルを用いずに正確にトンネル内風速
を予測でき、これにより適切な換気機の運転台数の下に
トンネル内の風速,ひいては汚染状態を適切に換気で
き、ひいてはトンネル内の汚染濃度を常に許容範囲に安
定に入るように維持できる。 (第3の実施の形態)図4は請求項4,5に係わる道路
トンネル換気制御装置の実施形態を示す構成図である。
【0058】この制御装置の実施形態は、図1と図3と
を組み合わせた構成であって、これら各図の構成から得
られる汚染濃度予測値およびトンネル内風速予測値とを
適宜選択し、最適なジェットファン運転台数指令値を得
ることにある。
を組み合わせた構成であって、これら各図の構成から得
られる汚染濃度予測値およびトンネル内風速予測値とを
適宜選択し、最適なジェットファン運転台数指令値を得
ることにある。
【0059】この制御装置は、具体的にはニューラルネ
ット構造学習部1、重み係数記憶部2および汚染濃度予
測部3等からなる汚染濃度予測系と、ニューラルネット
構造学習部11、重み係数記憶部12およびトンネル内
風速予測部13等からなる風速予測系とが設けられてい
る。
ット構造学習部1、重み係数記憶部2および汚染濃度予
測部3等からなる汚染濃度予測系と、ニューラルネット
構造学習部11、重み係数記憶部12およびトンネル内
風速予測部13等からなる風速予測系とが設けられてい
る。
【0060】この汚染濃度予測系では、図1と同様な実
績関係データ、予測関係データおよび教師信号等を用
い、図1と同様な手順を従って汚染濃度予測値を求めた
後、運転台数指令選択部21に送出する。一方、風速予
測系においては、図3と同様な実績関係データ、予測関
係データおよび教師信号等を用い、図3と同様な手順を
従ってトンネル内風速予測値を求めた後、運転台数指令
選択部21に送出する。
績関係データ、予測関係データおよび教師信号等を用
い、図1と同様な手順を従って汚染濃度予測値を求めた
後、運転台数指令選択部21に送出する。一方、風速予
測系においては、図3と同様な実績関係データ、予測関
係データおよび教師信号等を用い、図3と同様な手順を
従ってトンネル内風速予測値を求めた後、運転台数指令
選択部21に送出する。
【0061】この運転台数指令選択部21においては、
予め所定の汚染濃度範囲、所定の風速範囲が記憶され、
汚染濃度予測系および風速予測系から出力される汚染濃
度予測値、風速予測値を適宜,例えば重要度に応じて異
なる周期で交互に選択し、これら汚染濃度予測値、風速
予測値に従って最適なジェットファンの運転台数を求め
るとか、或いは汚染濃度予測値および風速予測値を同時
に取り込み、これら汚染濃度予測値と風速予測値とに従
って最適なジェットファンの運転台数を求めることもで
きる。とくに、後者において汚染濃度予測値に従って最
低n台のジェットファンの運転台数を必要とし、また風
速予測値に従って最低m台のジェットファンの運転台数
を必要とする場合、ジェットファン運転台数指令値Sou
t としては、max(n,m)台のジェットファン6,
…の運転を行うこともできる。
予め所定の汚染濃度範囲、所定の風速範囲が記憶され、
汚染濃度予測系および風速予測系から出力される汚染濃
度予測値、風速予測値を適宜,例えば重要度に応じて異
なる周期で交互に選択し、これら汚染濃度予測値、風速
予測値に従って最適なジェットファンの運転台数を求め
るとか、或いは汚染濃度予測値および風速予測値を同時
に取り込み、これら汚染濃度予測値と風速予測値とに従
って最適なジェットファンの運転台数を求めることもで
きる。とくに、後者において汚染濃度予測値に従って最
低n台のジェットファンの運転台数を必要とし、また風
速予測値に従って最低m台のジェットファンの運転台数
を必要とする場合、ジェットファン運転台数指令値Sou
t としては、max(n,m)台のジェットファン6,
…の運転を行うこともできる。
【0062】なお、このとき、複数種類の換気機運転風
量または運転台数指令予測値を汚染濃度予測部3、トン
ネル内風速予測部13に入力し、複数の汚染濃度予測
値、複数の風速予測値を求めて運転台数指令値選択部2
1に送出すれば、この運転台数指令値選択部21では、
これら複数の汚染濃度予測値および風速予測値の中から
ともに所定範囲を満足する運転台数指令値Sout を出力
でき、また複数の汚染濃度予測値および風速予測値の中
からともに所定範囲を満足する運転台数指令値の中から
最も所要電力の小さい運転台数指令値を選択出力するこ
ともできる。
量または運転台数指令予測値を汚染濃度予測部3、トン
ネル内風速予測部13に入力し、複数の汚染濃度予測
値、複数の風速予測値を求めて運転台数指令値選択部2
1に送出すれば、この運転台数指令値選択部21では、
これら複数の汚染濃度予測値および風速予測値の中から
ともに所定範囲を満足する運転台数指令値Sout を出力
でき、また複数の汚染濃度予測値および風速予測値の中
からともに所定範囲を満足する運転台数指令値の中から
最も所要電力の小さい運転台数指令値を選択出力するこ
ともできる。
【0063】従って、この実施形態の構成によれば、任
意選択的或いは同時に汚染濃度予測値および風速予測値
を選択し、汚染濃度および風速のいずれも所定の許容範
囲に入るようにトンネル内の換気状態を制御できる。こ
の場合にも、従来のようにフィードバック制御やフィー
ドフォワード制御を用いていないので、制御応答の遅れ
がなく、迅速に汚染濃度予測値および風速予測値を得る
ことができる。 (第4の実施の形態)図5は請求項6に係わる道路トン
ネル換気制御装置の実施形態を示す構成図である。
意選択的或いは同時に汚染濃度予測値および風速予測値
を選択し、汚染濃度および風速のいずれも所定の許容範
囲に入るようにトンネル内の換気状態を制御できる。こ
の場合にも、従来のようにフィードバック制御やフィー
ドフォワード制御を用いていないので、制御応答の遅れ
がなく、迅速に汚染濃度予測値および風速予測値を得る
ことができる。 (第4の実施の形態)図5は請求項6に係わる道路トン
ネル換気制御装置の実施形態を示す構成図である。
【0064】この制御装置の実施形態は、運転台数指令
値出力部4または運転台数指令値選択部21を用いず
に、ニューラルネットワークを用いて直接換気機運転風
量または運転台数予定値を求めることにある。
値出力部4または運転台数指令値選択部21を用いず
に、ニューラルネットワークを用いて直接換気機運転風
量または運転台数予定値を求めることにある。
【0065】この制御装置は、具体的には、各実績関係
データごとに重み係数を学習するニューラルネットワー
クで構成されるニューラルネット構造学習部31と、こ
の学習部31で学習される重み係数を順次記憶する重み
係数記憶部32と、各実績関係データ,予測関係データ
および重み係数記憶部32の重み係数を用いて換気機運
転風量または運転台数を予測するニューラルネットワー
クで構成される運転台数予測部33とが設けられてい
る。
データごとに重み係数を学習するニューラルネットワー
クで構成されるニューラルネット構造学習部31と、こ
の学習部31で学習される重み係数を順次記憶する重み
係数記憶部32と、各実績関係データ,予測関係データ
および重み係数記憶部32の重み係数を用いて換気機運
転風量または運転台数を予測するニューラルネットワー
クで構成される運転台数予測部33とが設けられてい
る。
【0066】このニューラルネット構造学習部31は、
ニューラルネットワークに、交通量実績値の時系列デー
タ、換気機運転風量または運転台数実績値の時系列デー
タ、VI計出力,つまり汚染濃度実績値の時系列データ
およびマイナス1のユニット入力(収束係数)−1が入
力され、教師信号としてジェットファン運転台数実績値
が入力され、当該ニューラルネットワークの出力と教師
信号との誤差が最小になるように重み係数を学習し、そ
の学習結果の重み係数を重み係数記憶部32に記憶す
る。
ニューラルネットワークに、交通量実績値の時系列デー
タ、換気機運転風量または運転台数実績値の時系列デー
タ、VI計出力,つまり汚染濃度実績値の時系列データ
およびマイナス1のユニット入力(収束係数)−1が入
力され、教師信号としてジェットファン運転台数実績値
が入力され、当該ニューラルネットワークの出力と教師
信号との誤差が最小になるように重み係数を学習し、そ
の学習結果の重み係数を重み係数記憶部32に記憶す
る。
【0067】前記交通量実績値の時系列データとして
は、例えば次のようなデータが使用される。 * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] また、前記換気機運転風量または運転台数実績値の時系
列データには、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] が用いられ、汚染濃度実績値の時系列データには、 * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-1 ・△t(min )〜時刻t (min )間のVI
計出力平均値の実績値[%] が用いられる。また、教師信号としては、 * 時刻t-1 ・△t(min )〜時刻t (min )における
ジェットファン運転台数実績値[台]が用いられる。
は、例えば次のようなデータが使用される。 * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] また、前記換気機運転風量または運転台数実績値の時系
列データには、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] が用いられ、汚染濃度実績値の時系列データには、 * 時刻t-4 ・△t(min )〜時刻t-3 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-1 ・△t(min )〜時刻t (min )間のVI
計出力平均値の実績値[%] が用いられる。また、教師信号としては、 * 時刻t-1 ・△t(min )〜時刻t (min )における
ジェットファン運転台数実績値[台]が用いられる。
【0068】一方、運転台数予測部33は、ニューラル
ネットワークに、交通量実績値の時系列データ、換気機
運転風量または運転台数実績値の時系列データ、VI計
出力,つまり汚染濃度実績値の時系列データおよびマイ
ナス1のユニット入力(収束係数)−1の他、汚染濃度
目標値が入力され、前記重み係数記憶部22に記憶され
る重み係数を用いて、換気機運転風量または運転台数予
測値を予測する。
ネットワークに、交通量実績値の時系列データ、換気機
運転風量または運転台数実績値の時系列データ、VI計
出力,つまり汚染濃度実績値の時系列データおよびマイ
ナス1のユニット入力(収束係数)−1の他、汚染濃度
目標値が入力され、前記重み係数記憶部22に記憶され
る重み係数を用いて、換気機運転風量または運転台数予
測値を予測する。
【0069】前記交通量実績値の時系列データとして
は、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] が用いられている。一方、換気機運転風量または運転台
数実績値の時系列データとしては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。また、汚染濃度実績値の時系列データに
は、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のVI計出力平均値の実績値[%]* 時刻t-1 ・△
t(min )〜時刻t (min )間のVI計出力平均値の実
績値[%] が用いられ、さらに * 時刻t (min )〜時刻t+1 ・△t(min )間のVI
計出力平均値の目標値[%] が用いられる。
は、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線大型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線大型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の上り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の上り
線小型車交通量実績値[台/△t] * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間の下り線小型車交通量実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間の下り
線小型車交通量実績値[台/△t] が用いられている。一方、換気機運転風量または運転台
数実績値の時系列データとしては、 * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のジェットファン運転台数実績値[台/△t] * 時刻t-1 ・△t(min )〜時刻t (min )間のジェ
ットファン運転台数実績値[台/△t] が用いられる。また、汚染濃度実績値の時系列データに
は、 * 時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )
間のVI計出力平均値の実績値[%] * 時刻t-2 ・△t(min )〜時刻t-1 ・△t(min )
間のVI計出力平均値の実績値[%]* 時刻t-1 ・△
t(min )〜時刻t (min )間のVI計出力平均値の実
績値[%] が用いられ、さらに * 時刻t (min )〜時刻t+1 ・△t(min )間のVI
計出力平均値の目標値[%] が用いられる。
【0070】そして、以上のような実績関係データ等を
取込み、かつ、重み係数記憶部32に記憶される重み係
数を用いることにより、ニューラルネットワークから、 * 時刻t (min )〜時刻t+1 ・△t (min )間におけ
るジェットファン運転台数予測値を取り出す。
取込み、かつ、重み係数記憶部32に記憶される重み係
数を用いることにより、ニューラルネットワークから、 * 時刻t (min )〜時刻t+1 ・△t (min )間におけ
るジェットファン運転台数予測値を取り出す。
【0071】なお、運転台数予測部33のニューラルネ
ットワークの入力層に、以上の実績関係データのうち、
時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )間に
係わる交通量実績値データを除去し、その代わりに、新
たに交通量予測発生手段から交通量予測データ例えば * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線小型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線小型車交通量予測値[台/△t] を追加入力する構成であってもよい。
ットワークの入力層に、以上の実績関係データのうち、
時刻t-3 ・△t(min )〜時刻t-2 ・△t(min )間に
係わる交通量実績値データを除去し、その代わりに、新
たに交通量予測発生手段から交通量予測データ例えば * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線大型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の上り
線小型車交通量予測値[台/△t] * 時刻t (min )〜時刻t+1 ・△t(min )間の下り
線小型車交通量予測値[台/△t] を追加入力する構成であってもよい。
【0072】従って、この実施形態のような構成によれ
ば、ニューラルネット構造を学習した後、この学習した
ネット構造,つまり重み係数と、実際の実績値データと
を用いて運転台数予測部33にて即座に換気機の運転台
数を予測でき、簡単な構成を用いて図1の場合と同様な
効果が得られる。
ば、ニューラルネット構造を学習した後、この学習した
ネット構造,つまり重み係数と、実際の実績値データと
を用いて運転台数予測部33にて即座に換気機の運転台
数を予測でき、簡単な構成を用いて図1の場合と同様な
効果が得られる。
【0073】
【発明の効果】以上説明したように本発明によれば、次
のような効果を奏する。請求項1,2,4の発明におい
ては、従来装置に比較して制御応答を大幅に改善でき、
トンネル内の汚染濃度や風速を精度よく維持でき、適切
な換気状態を実現できる。
のような効果を奏する。請求項1,2,4の発明におい
ては、従来装置に比較して制御応答を大幅に改善でき、
トンネル内の汚染濃度や風速を精度よく維持でき、適切
な換気状態を実現できる。
【0074】請求項3,5の発明においては、トンネル
内の汚染状態を常に許容範囲に安定に維持しつつ換気制
御できる。請求項6の発明においては、非常に簡単な構
成で即座に換気機の運転台数を予測できる。
内の汚染状態を常に許容範囲に安定に維持しつつ換気制
御できる。請求項6の発明においては、非常に簡単な構
成で即座に換気機の運転台数を予測できる。
【図1】 請求項1,3の発明に係わる道路トンネル換
気制御装置の一実施形態を示す構成図。
気制御装置の一実施形態を示す構成図。
【図2】 本発明装置に用いられるニューラルネットワ
ークの一構成例を示す図。
ークの一構成例を示す図。
【図3】 請求項2,3の発明に係わる道路トンネル換
気制御装置の一実施形態を示す構成図。
気制御装置の一実施形態を示す構成図。
【図4】 請求項4,5の発明に係わる道路トンネル換
気制御装置の一実施形態を示す構成図。
気制御装置の一実施形態を示す構成図。
【図5】 請求項6の発明に係わる道路トンネル換気制
御装置の一実施形態を示す構成図。
御装置の一実施形態を示す構成図。
【図6】 従来の道路トンネル換気制御装置を示す構成
図。
図。
1,11,31…ニューラルネット構造学習部、2,1
2,32…重み係数記憶部、3…汚染濃度予測部、4…
運転台数指令値出力部、6…換気機、21…運転台数指
令値選択部、33…運転台数予測部。
2,32…重み係数記憶部、3…汚染濃度予測部、4…
運転台数指令値出力部、6…換気機、21…運転台数指
令値選択部、33…運転台数予測部。
Claims (6)
- 【請求項1】 道路トンネル内の交通量に応じて汚染さ
れる道路トンネル内汚染濃度を所定範囲に維持するため
に、前記道路トンネル内に配設される換気機を制御しな
がら換気を行う道路トンネル換気制御装置において、 交通量実績値の時系列データ、換気機運転風量または運
転台数実績値の時系列データ等が入力され、かつ、前記
道路トンネル内の汚染濃度実績値データを教師信号とし
て用いることにより、重み係数を学習するニューラルネ
ットワークよりなるニューラルネット構造学習手段と、 この学習手段によって学習された重み係数を記憶する重
み係数記憶手段と、 交通量を予測出力する交通量予測値発生手段および換気
機運転風量または運転台数を出力する運転台数指令値発
生手段と、 前記交通量実績値の時系列データ、換気機運転風量また
は運転台数実績値の時系列データ、前記交通量予測値お
よび前記換気機運転風量または運転台数指令値等が入力
され、前記重み係数記憶手段に記憶される重み係数を用
いて汚染濃度予測値を求めるニューラルネットワークよ
りなる汚染濃度予測手段と、 この汚染濃度予測手段で予測される汚染濃度予測値に基
づいて前記換気機の運転台数指令値を決定する運転台数
指令値出力手段と、 を備えたことを特徴とする道路トンネル換気制御装置。 - 【請求項2】 道路トンネル内の交通量に応じて汚染さ
れる道路トンネル内汚染濃度を所定範囲に維持するため
に、前記道路トンネル内に配設される換気機を制御しな
がら換気を行う道路トンネル換気制御装置において、 交通量実績値の時系列データ、換気機運転風量または運
転台数実績値の時系列データ等が入力され、かつ、前記
道路トンネル内風速実績値データを教師信号として用い
ることにより、重み係数を学習するニューラルネットワ
ークよりなるニューラルネット構造学習手段と、 この学習手段によって学習された重み係数を記憶する重
み係数記憶手段と、 交通量を予測出力する交通量予測値発生手段および換気
機運転風量または運転台数を出力する運転台数指令値発
生手段と、 前記交通量実績値の時系列データ、換気機運転風量また
は運転台数実績値の時系列データ、前記交通量予測値お
よび前記換気機運転風量または運転台数指令値等が入力
され、前記重み係数記憶手段に記憶される重み係数を用
いて道路トンネル内風速予測値を求めるニューラルネッ
トワークよりなるトンネル内風速予測手段と、 このトンネル内風速予測手段で予測される風速予測値に
基づいて前記換気機の運転台数指令値を決定する運転台
数指令値出力手段と、 を備えたことを特徴とする道路トンネル換気制御装置。 - 【請求項3】 運転台数指令値出力手段は、運転台数指
令値発生手段において複数種類の換気機運転風量または
運転台数指令値を入力し、ニューラルネットワークから
複数の汚染濃度予測値、複数の道路トンネル内風速予測
値が得られたとき、これらの中から所定範囲の汚染濃度
予測値または道路トンネル内風速予測値を選択し、この
選択された汚染濃度予測値または道路トンネル内風速予
測値に基づいて前記換気機の運転台数指令値を決定する
ことを特徴とする請求項1または請求項2に記載の道路
トンネル換気制御装置。 - 【請求項4】 道路トンネル内の交通量に応じて汚染さ
れる道路トンネル内汚染濃度を所定範囲に維持するため
に、前記道路トンネル内に配設される換気機を制御しな
がら換気を行う道路トンネル換気制御装置において、 交通量実績値の時系列データ、換気機運転風量または運
転台数実績値の時系列データ等が入力され、かつ、前記
道路トンネル内の汚染濃度実績値データを教師信号とし
て用いることにより、重み係数を学習する第1のニュー
ラルネットワークよりなる第1のニューラルネット構造
学習手段と、 この学習手段によって学習された重み係数を記憶する第
1の重み係数記憶手段と、 交通量を予測出力する第1の交通量予測値発生手段およ
び換気機運転風量または運転台数を出力する第1の運転
台数指令値発生手段と、 前記交通量実績値の時系列データ、換気機運転風量また
は運転台数実績値の時系列データ、前記交通量予測値お
よび前記換気機運転風量または運転台数指令値等が入力
され、前記重み係数記憶手段に記憶される重み係数を用
いて汚染濃度予測値を求める第2のニューラルネットワ
ークよりなる汚染濃度予測手段と、 前記交通量実績値の時系列データ、換気機運転風量また
は運転台数実績値の時系列データ等が入力され、かつ、
前記道路トンネル内風速実績値データを教師信号として
用いることにより、重み係数を学習する第3のニューラ
ルネットワークよりなる第2のニューラルネット構造学
習手段と、 この学習手段によって学習された重み係数を記憶する第
2の重み係数記憶手段と、 交通量を予測する第2の交通量予測値発生手段および換
気機運転風量または運転台数を決定する第2の運転台数
指令値発生手段と、 前記交通量実績値の時系列データ、換気機運転風量また
は運転台数実績値の時系列データ、前記交通量予測値お
よび前記換気機運転風量または運転台数指令値等が入力
され、前記重み係数記憶手段に記憶される重み係数を用
いて道路トンネル内風速予測値を求める第4のニューラ
ルネットワークよりなるトンネル内風速予測手段と、 前記汚染濃度予測手段および前記トンネル内風速予測手
段から得られる汚染濃度予測値および道路トンネル内風
速予測値を交互或いは同時に選択し、これらの汚染濃度
予測値、道路トンネル内風速予測値に基づいて前記換気
機の運転台数指令値を決定する運転台数指令値選択手段
と、 を備えたことを特徴とする道路トンネル換気制御装置。 - 【請求項5】 運転台数指令値選択手段は、運転台数指
令値発生手段において複数種類の換気機運転風量または
運転台数指令値を入力し、ニューラルネットワークから
複数の汚染濃度予測値、複数の道路トンネル内風速予測
値が得られたとき、これらの中から所定範囲の汚染濃度
予測値および道路トンネル内風速予測値を選択し、この
選択された汚染濃度予測値および道路トンネル内風速予
測値に基づいて前記換気機の運転台数指令値を決定する
ことを特徴とする請求項4記載の道路トンネル換気制御
装置。 - 【請求項6】 道路トンネル内の交通量に応じて汚染さ
れる道路トンネル内汚染濃度を所定範囲に維持するため
に、前記道路トンネル内に配設される換気機を制御しな
がら換気を行う道路トンネル換気制御装置において、 交通量実績値の時系列データ、換気機運転風量または運
転台数実績値の時系列データ、前記道路トンネル内の汚
染濃度実績値の時系列データ等が入力され、かつ、前記
換気機の運転台数実績値を教師信号として用いることに
より、重み係数を学習するニューラルネットワークより
なるニューラルネット構造学習手段と、 この学習手段によって学習された重み係数を記憶する重
み係数記憶手段と、 交通量を予測出力する交通量予測値発生手段および換気
機運転風量または運転台数を出力する運転台数指令値発
生手段と、 前記交通量実績値の時系列データ、換気機運転風量また
は運転台数実績値の時系列データ、前記道路トンネル内
の汚染濃度実績値の時系列データおよび汚染濃度目標値
等が入力され、前記重み係数記憶手段に記憶される重み
係数を用いて前記換気機の運転台数を決定する運転台数
決定手段と、 を備え、この運転台数の予測値に基づいて前記換気機を
運転することを特徴とする道路トンネル換気制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP22538595A JPH0968000A (ja) | 1995-09-01 | 1995-09-01 | 道路トンネル換気制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP22538595A JPH0968000A (ja) | 1995-09-01 | 1995-09-01 | 道路トンネル換気制御装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0968000A true JPH0968000A (ja) | 1997-03-11 |
Family
ID=16828534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP22538595A Pending JPH0968000A (ja) | 1995-09-01 | 1995-09-01 | 道路トンネル換気制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0968000A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020029330A (ja) * | 2018-08-22 | 2020-02-27 | 三菱ロジスネクスト株式会社 | 配備数決定装置および配備数決定方法 |
-
1995
- 1995-09-01 JP JP22538595A patent/JPH0968000A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020029330A (ja) * | 2018-08-22 | 2020-02-27 | 三菱ロジスネクスト株式会社 | 配備数決定装置および配備数決定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2635087B2 (ja) | プロセス制御方法 | |
US5377308A (en) | Method and system for process control with complex inference mechanism using qualitative and quantitative reasoning | |
CN111126605A (zh) | 一种基于强化学习算法的数据中心机房控制方法及装置 | |
JPH0968000A (ja) | 道路トンネル換気制御装置 | |
JP3324434B2 (ja) | 換気制御装置 | |
CN117494870A (zh) | 一种地铁站人员负荷预测方法及系统 | |
JPH10184298A (ja) | 集中排気式道路トンネル換気制御装置 | |
JPH0581228A (ja) | ニユーラルネツトワークの構成方法および学習/想起システム | |
JP2000099107A (ja) | モデル予測制御システム | |
JP2703438B2 (ja) | トンネル換気制御装置 | |
JP2019044507A (ja) | 道路トンネル換気制御装置 | |
JP2004169341A (ja) | トンネル換気制御方法および装置 | |
JP2004156258A (ja) | トンネル換気制御方法および装置 | |
JP3204004B2 (ja) | トンネル換気自動制御装置および方法 | |
JP3152858B2 (ja) | 交通流予測装置 | |
JP3260538B2 (ja) | 制御装置 | |
JPH06240999A (ja) | 道路トンネル換気制御装置 | |
JP2644941B2 (ja) | プロセス制御方法および装置 | |
JP4220344B2 (ja) | トンネル換気制御装置および方法 | |
JPH0925799A (ja) | 換気制御装置 | |
JP2000008798A (ja) | トンネル換気制御装置 | |
JP2613341B2 (ja) | プロセス制御方法および装置 | |
JPH08210686A (ja) | 空調システム | |
JPH06185300A (ja) | トンネル換気制御装置 | |
JPH1054200A (ja) | 道路トンネル換気制御装置 |