本發(fā)明涉及動態(tài)調光領域，尤其涉及一種基于物聯(lián)網(wǎng)的隧道動態(tài)調光方法及系統(tǒng)。

背景技術：

1、隨著社會的發(fā)展，公路隧道的數(shù)量不斷增加，隧道照明系統(tǒng)對隧道交通安全起著至關重要的作用?，F(xiàn)有的隧道照明控制系統(tǒng)存在一些問題，無法根據(jù)實時環(huán)境變化動態(tài)調整照明，導致能源浪費或照明不足，無法同時滿足能耗、安全和視覺舒適度需求，缺乏對霧霾等復雜環(huán)境的適應性。

技術實現(xiàn)思路

1、本發(fā)明目的之一在于提供一種基于物聯(lián)網(wǎng)的隧道動態(tài)調光方法，以解決現(xiàn)有技術中無法同時滿足能耗、安全和視覺舒適度需求，照明控制缺乏綜合性的問題。

2、本發(fā)明通過下述技術方案實現(xiàn)，一種基于物聯(lián)網(wǎng)的隧道動態(tài)調光方法，包括如下步驟：s100、邊緣網(wǎng)關接收隧道中的傳感器數(shù)據(jù)，通過內置于邊緣網(wǎng)關中的多源異構感知算法對傳感器數(shù)據(jù)進行處理；s200、邊緣網(wǎng)關將發(fā)送的接收到的傳感器數(shù)據(jù)和多源異構感知算法計算得到的調光照度需求發(fā)送到云端，云端的自適應調光算法根據(jù)傳感器數(shù)據(jù)和調光照度需求生成調光策略；自適應調光算法中包含有動態(tài)場景分類機制、能效優(yōu)先模型以及安全優(yōu)先模型；動態(tài)場景分類機制進行場景分類，根據(jù)不同的場景選擇不同的優(yōu)先模塊，不同的優(yōu)先模型生成不同調光策略；s300、將自適應調光算法生成的調光策略下發(fā)到隧道中的調光控制模塊，調光控制模塊根據(jù)調光策略調整隧道燈具。

3、進一步地，隧道中的傳感器包括核心傳感器和輔助傳感器，所述核心傳感器為分布式光纖光照度傳感器；所述輔助傳感器包括：毫米波雷達陣列、熱成像傳感器、溫度/濕度傳感器、光照傳感器以及圖像傳感器。

4、進一步地，多源異構感知算法包括：s110、提取并整合傳感器的輸入數(shù)據(jù)，得到實測光照度數(shù)據(jù)、視覺需求照度數(shù)據(jù)以及霧霾衰減因子；s120、根據(jù)所述實測光照度數(shù)據(jù)、視覺需求照度數(shù)據(jù)以及霧霾衰減因子定義動態(tài)權重參數(shù)，動態(tài)權重參數(shù)由多個動態(tài)權重組成的參數(shù)組ω=(α,β,γ)，每個參數(shù)的作用如下：α決定了實測光照度數(shù)據(jù)在最終調光照度中的重要性，β于調整視覺需求照度在最終調光中的重要性，γ用于調整霧霾對光照影響的衰減因子的重要性；s130、根據(jù)實測光照度數(shù)據(jù)、視覺需求照度數(shù)據(jù)、霧霾衰減因子以及動態(tài)權重參數(shù)通過加權求和的方式將其組合成最終的調光照度需求，所述調光照度需求通過下式表示：

5、，

6、，

7、其中，為實測光照度數(shù)據(jù)，為視覺需求照度數(shù)據(jù)，為霧霾衰減因子，為衰減因子，用于表征霧霾對照度的影響， z為霧霾透光衰減權重系數(shù)。

8、進一步地，實測光照度數(shù)據(jù)根據(jù)下式計算得到：

9、，其中，為所有光照度傳感器的總和，為單個光照度傳感器，為第i個傳感器的原始數(shù)據(jù)，為傳感器降噪殘余量，為幾何衰減權重；所述視覺需求照度數(shù)據(jù)根據(jù)下式計算得到：

10、，其中，為對比敏感度因子，為車速平均值，為道路限速值，為速度與視覺需求照度之間關系的指數(shù)權重；所述霧霾衰減因子根據(jù)下式計算得到：

11、，其中，為基于霧天圖像數(shù)據(jù)訓練得到的回歸系數(shù)，為熱成像圖像的灰度分布，為濕度比例。

12、進一步地，參數(shù)組ω=(α,β,γ)根據(jù)下式計算得到：

13、，

14、其中，為基于能耗梯度變化的權重調整，為自然常數(shù)，為調整速率，為能耗梯度變化量，為基于視覺需求和環(huán)境干擾的梯度變化權重參數(shù)，為視覺需求照度的梯度，為霧霾衰減因子的梯度，為sigmoid激活函數(shù)形式的質量約束，sqi為傳感器信號質量指數(shù)，為故障標記，如果傳感器故障則為1，否則為0。

15、進一步地，場景特征向量建模通過下式表示：

16、，其中，為霧濃度變化率，該指標反映了環(huán)境能見度的變化趨勢；為百米內車輛總動能為沿隧道縱向照度需求曲率，為圖像傳感器的圖像清晰度指數(shù)。

17、進一步地，霧濃度變化率可以通過下式計算得到：

18、，其中，為時間t的霧濃度，t為當前時間，為時間間隔，通常為固定的短時間。在場景判定過程中，如果霧濃度變化率超過某個閾值，說明霧濃度在快速變化，需要快速提高或者降低照明亮度以適應能見度的變化。

19、進一步地，百米內車輛總動能可以通過下式計算得到：

20、，其中，m為百米范圍內的車輛總數(shù)，為第i輛車的估計質量，為第i輛車的速度。在場景判定過程中，如果百米內車輛的總動能超過某個閾值，說明有很多車輛在高速行駛，這時候需要提高照明亮度以確保司機的視野清晰，減少事故發(fā)生的可能性。如果百米內車輛的總動能低于某個閾值，說明車輛行駛速度較慢，可能是因為交通擁堵或者其他原因，在這種情況下，可以適當降低照明亮度節(jié)約能源。

21、進一步地，沿隧道縱向照度需求曲率可以通過下式計算得到：

22、，其中，為位置x處的照度需求，x為隧道的縱向位置。在場景判定過程中，如果照度需求的變化曲率較大，說明隧道內不同位置的照度需求變化迅速。例如，突然的隧道出口或入口處，光線變化顯著，需迅速調整照明亮度。如果變化曲率較小，說明隧道內的照度需求較為平穩(wěn)，可以保持當前的照明亮度。

23、進一步地，圖像清晰度指數(shù)可以通過下式計算得到：

24、，為像素(x,y)處的拉普拉斯變換值，表示圖像的高頻分量；為圖像中的總像素數(shù)。在場景判定過程中，如果圖像清晰度指數(shù)低，說明攝像頭捕捉到的圖像質量較差，可能因為霧霾或其他因素影響視野，在這種情況下，需要提高照明亮度以改善視野。如果圖像清晰度指數(shù)高，說明當前的照明條件已經(jīng)很好，可以維持當前的照明亮度或適當降低以節(jié)約能源。

25、進一步地，能效優(yōu)先模型通過目標函數(shù)和約束條件來定義，目標函數(shù)的目的是在滿足所需照度的前提下，最小化能耗，通過下式表示：

26、，其中，uk為控制輸入，k為某個單一的時刻，k為時刻k的總和，為第k時刻實際的照度值，為第k時刻所需的照度值，為權重參數(shù)，為第k時刻控制輸入uk所對應的能耗；約束條件確保系統(tǒng)在滿足目標函數(shù)的同時，遵守一系列物理和操作限制，約束條件包括：縱向梯度約束：，該約束限制了照度沿隧道縱向的變化率，確保照度不會有過大的變化，最大允許變化率為15勒克斯每米；瞬態(tài)跳變約束：，該約束限制了控制輸入uk的變化率，確保照明系統(tǒng)的調節(jié)是平滑的，不會突然大幅度變化，最大允許變化率為每秒10%；無眩光約束：，該約束確保照明系統(tǒng)在任何位置的最亮和最暗區(qū)域的照度比不會超過5倍，以避免眩光問題。

27、進一步地，安全優(yōu)先模型通過實時監(jiān)控環(huán)境條件，根據(jù)監(jiān)控到的霧濃度動態(tài)調整隧道燈具rgbmix的光色比例通過逆向蒙特卡洛光線追蹤算法生成補償光斑，以提高目標區(qū)域的照度，補償霧霾造成的光損失；并在隧道入口段20米內強制提升照度至1.5倍標準值，確保司機在進入隧道時有足夠的照度過渡，避免因照度突變引起的不適和安全隱患。

28、進一步地，調整隧道燈具rgbmix的光色比例由下式?jīng)Q定：

29、，其中，rgbmix為光的顏色混合比例，cf為霧的濃。當霧的濃度cf?<0.3時，使用第一組比例，藍光占70%，綠光占20%，紅光占10%，當霧的濃度cf?≥0.3時，使用第二組比例，藍光占60%，綠光占15%，紅光占25%；所述補償光斑的調整策略由下式?jīng)Q定：

30、，其中，為在位置(x,?y)的補償照度，d為所有需要補償照度的樣本數(shù)，為燈具發(fā)光強度分布函數(shù)，表示隧道中的燈具在方向的發(fā)光強度，為霧霾的散射系數(shù)，為光線在霧中的傳播距離。

31、本發(fā)明另一方面提供了一種物聯(lián)網(wǎng)的隧道動態(tài)調光系統(tǒng)，該系統(tǒng)包括處理器和存儲器，存儲器中存儲有計算機程序，當所述計算機程序被處理器執(zhí)行時，實現(xiàn)如上所述的物聯(lián)網(wǎng)的隧道動態(tài)調光方法。

32、本發(fā)明與現(xiàn)有技術相比，具有如下的優(yōu)點和有益效果：

33、1、本發(fā)明能夠根據(jù)隧道內的實時環(huán)境、車流和光照條件動態(tài)調整照明，避免了能源浪費或照明不足的問題。

34、2、本發(fā)明通過多源異構感知算法融合環(huán)境、車流、光照等多維信息，并且引入霧霾衰減因子和動態(tài)權重參數(shù)，提高了系統(tǒng)對復雜環(huán)境如霧霾的適應性。

35、3、本發(fā)明結合自適應調光算法，可以同時滿足能耗、安全和視覺舒適度需求，通過感知車流、車速等交通信息，可以根據(jù)交通狀況優(yōu)化照明，提高人員在隧道中駕駛的安全性。