论文部分内容阅读
【摘 要】 在传统隧道照明控制系统中灯具的启动关闭控制缺少灵活性，且灯具亮度无法自动调节。隧道照明系统不仅要满足基本照明要求还要最大限度节省电能，根据这一特点。本文对智能照明控制系统中灯具亮度调节问题进行了描述，将灯具亮度调节分为照度需求变化调节，主要对隧道照明系统完成某一照明需求的最佳运行方式进行了研究，以各灯具总照度最小即总耗能最小为目标函数，建立了隧道照明灯具照度优化的数学模型，通过遗传算法进行求解，可较好的解决具有多种约束的隧道照明复杂非线性模型的最优化问题，该模型具有较强的通用性。本文提出的照度优化运行模型及其求解方法不仅使得隧道照明效率有了明显的提高，同时使各灯具的照度分配达到最优，满足了隧道照明节能的需求。
【关键词】 公路隧道；照明设计；节能措施；遗传算法
1、导言
隧道照明是保障隧道内通车安全的前提，而隧道照明系统的安全性能和节能性能存在着此消彼长的矛盾，解决这个矛盾的关键在于合理的配置隧道内各照明灯具的照度值，使其不仅能满足隧道内各空间段的亮度需求，而且能够保证系统能耗最低。既能满足驾驶员的安全需要，又能避免不必要的能源浪费。隧道内各照明灯具照度分配的合理优化，能够极大的降低隧道能耗，但这一非线性优化问题在国内却鲜有研究。目前，国内隧道节能方法主要集中在照明光源的选择、灯具的优化布置、照明控制方式等方面，因此该方法研究对解决隧道照明耗能巨大这一问题具有积极意义。
本文创新性的将遗传算法引入到隧道内各灯具照度优化过程中，运用系统工程的观点来分析研究隧道照明最经济的运行模式。系统在满足基本照明需求的前提下对系统进行综合性的分析比较，并进行全局搜索，得出最优运行参数，使整体照度分配状态达到最优，保证了系统能耗最低。
2、隧道照明问题概述
隧道照明（如下图1）具有其独特的照度需求曲线，因此，为了满足隧道照明需求同时起到节能的目的，整条隧道亮度需按需求曲线进行设置，然而目前调节隧道内亮度的方法，往往只是简单增加或减少隧道照明灯具数量，这样不但不能精确的达到隧道内照度需求值，而且会造成隧道内亮暗交错不均匀，带来了严重的交通隐患。因此如何通过调节各灯具的照度值来确定多个灯具的最佳照度分配，使各区域的实际照度与设定值误差最小，这一问题成为降低能耗、避免隧道内亮暗交错的关键技术。
3、模型的建立
3.1单个灯具的水平计算模型
建立照明计算模型需要考虑的因素有：所选用灯具的光度数据、灯具的实际安装条件安装高度、间距、悬挑长度、仰角及布置方式以及所采用的光源类型和功率等。进行路面照度计算时，计算段的选择、计算点的设置、观察点的高度、纵向位置和横向位置等和测量路面亮度的规定相同。
3.2隧道内水平平均照度计算模型
隧道内照明方面的照度计算一般指隧道内的水平平均照度，然而平均照度的计算方法有很多种。为了计算精确，本文隧道内路面水平平均照度按四点法布点测量计算：为沿道路纵向的网格数，为道路法向的网格数，则为总网格数。根据每个网格四个角点上四个测点的照度平均值可代表网格照度值的假定。
4、隧道照明優化模型求解
4.1遗传算法思想简介
遗传算法（GeneticAlgorithm、简称GA）是美国Michigan大学的J.H.Holland（1975）基于进化论思想和遗传学说，提出的一种概率搜索算法。遗传算法的机理是模拟自然界的进化规律，通过遗传、变异、交叉等手段得到最优结果的一种算法，它是一种优化算法，能够解决函数求最值、调度优化等问题。
经过实践证明，能够在全局范围内进行最优解搜寻，本文研究遗传算法的特点，借鉴其工程实践中的成功应用，本文将其应用于隧道照明优化运行问题的数学模型求解。
遗传算法设计的一般步骤：
（1）参数编码。基于目前数字调光技术，每盏灯可进行256级调光，因此在隧道照明优化模型求解中，每个基因采用8位二进制编码，将个体的每个基因值用某一范围内的一个实数来表示。
（2）适应度函数的确定。在每一代遗传计算过程中，如何选择母体中的优良个体遗传到下一代是一个需要考虑的问题。我们在这里需要确定适应度函数来反应种群个体优劣，个体适应度与优良度成正比，优良度高就会有很大的概率遗传到下一代，优良度低概率就会小。
（3）交叉与变异。确定交叉与变异的概率，保证种群中一些个体按照这个概率进行进化，看是否出现适应度值较高的个体，并用他们来替换需要淘汰的适应度低的不好个体，保证寻优的顺利进行。
（4）收敛条件的确定。在遗传算法进行搜索时，如何约束条件使算法结束是必须要考虑的问题，我们选用什么方法判断得出的结果己经达到最优解，我们一般选用的判断标准有两种方法：①连续几代个体平均适应度的差异小于某一个极小的给定值；②群体中所有个体适应度的方差小于某一个给定的极小值。
4.2遗传算法的应用
依据隧道内照明优化思想，结合遗传算法的原理，编制了相应的隧道照明优化遗传算法程序。
并参照以下原则设置其相应参数.
（1）确定母体群规模：母体群的选择也要进行全方面的考虑，太大和太小都不合适。当选择母体群群体数量较大时，会影响算法的运行速度和工作效率；选择母体群数量比较小时，会保证运算速度比较快，得到最优解花费的时间比较少，同时也会有不好的一面产生，会降低种群多样性。
（2）交叉、变异概率：依照最优保存策略，在这两个参数的选择上，优良度高的取代优良度差的，交叉概率的取值范围是0.25～0.9之间，变异概率的取值范围是0.001～0.1之间。
（3）收敛条件：选取一定的方法判别最优解搜索情况。
5、仿真研究
本文模拟隧道内某一过渡段作为仿真对象。设计此仿真对象长7oo米、宽10米、高3米；灯具为双侧对称布置，灯间纵向距离为10米；隧道内装设12盏灯；灯具布置5个检测点，设各检测区域为正方形，检测点位于正方形中心，因此灯具光线入射角均相同，在此只计算检测点周围4盏灯对其产生的影响。
因为仿真设置灯具为12盏，采用8位二进制编码，设定各检测点照度值为200（Ix）.180（lx）.160（lx），120（lx）}90（lx），分别采用轮盘赌法和均匀分布法两种方法来进行选择。
结束语
高速公路隧道照明节能技术及控制方法的研究涉及了很多领域，例如：光学、统计学、物理学等等。本文结合了高速公路隧道照明的特点，重点研究了照明调光曲面和隧道照明照度优化的问题。并得出以下结论：
（1）在建立好隧道照明调光曲面的前提下，本文尝试将遗传算法用于隧道照明的照度优化中，按不同的照度需求调节隧道内各照明灯具，使其获得最佳的优化照度，有一定的节能效果，在实际使用中拥有很大的发展空间。（2）建立了最优化照明需求输出模型，使复杂的照度优化问题简化为求解多元方程组问题，使隧道照明达到更好的节能目的。使其可以按不同的照度需求调节隧道内各照明灯具，获得最佳的优化照度，与以往常规的求解照明照度优化模型的动态规划法相比，遗传算法具有较强的全局搜索性，能以较快的速度收敛于最优解。
参考文献：
[1]尚红云，蒋萍.中国能源消耗变动影响因素的结构分解[[J].资源科学，2009，31（2）.
[2]林利安.公路隧道能源管理研究[D].重庆交通大学，20l0.
[43」中华人民共和国交通部.2008年公路水路交通行业发展统计公报[R].2009
[4]肖振鹏，黄桂树.高速公路隧道照明节能技术研究【A].第九届中国高速公路信息化管理及技术研讨会[C].2007：300-303.
【关键词】 公路隧道；照明设计；节能措施；遗传算法
1、导言
隧道照明是保障隧道内通车安全的前提，而隧道照明系统的安全性能和节能性能存在着此消彼长的矛盾，解决这个矛盾的关键在于合理的配置隧道内各照明灯具的照度值，使其不仅能满足隧道内各空间段的亮度需求，而且能够保证系统能耗最低。既能满足驾驶员的安全需要，又能避免不必要的能源浪费。隧道内各照明灯具照度分配的合理优化，能够极大的降低隧道能耗，但这一非线性优化问题在国内却鲜有研究。目前，国内隧道节能方法主要集中在照明光源的选择、灯具的优化布置、照明控制方式等方面，因此该方法研究对解决隧道照明耗能巨大这一问题具有积极意义。
本文创新性的将遗传算法引入到隧道内各灯具照度优化过程中，运用系统工程的观点来分析研究隧道照明最经济的运行模式。系统在满足基本照明需求的前提下对系统进行综合性的分析比较，并进行全局搜索，得出最优运行参数，使整体照度分配状态达到最优，保证了系统能耗最低。
2、隧道照明问题概述
隧道照明（如下图1）具有其独特的照度需求曲线，因此，为了满足隧道照明需求同时起到节能的目的，整条隧道亮度需按需求曲线进行设置，然而目前调节隧道内亮度的方法，往往只是简单增加或减少隧道照明灯具数量，这样不但不能精确的达到隧道内照度需求值，而且会造成隧道内亮暗交错不均匀，带来了严重的交通隐患。因此如何通过调节各灯具的照度值来确定多个灯具的最佳照度分配，使各区域的实际照度与设定值误差最小，这一问题成为降低能耗、避免隧道内亮暗交错的关键技术。
3、模型的建立
3.1单个灯具的水平计算模型
建立照明计算模型需要考虑的因素有：所选用灯具的光度数据、灯具的实际安装条件安装高度、间距、悬挑长度、仰角及布置方式以及所采用的光源类型和功率等。进行路面照度计算时，计算段的选择、计算点的设置、观察点的高度、纵向位置和横向位置等和测量路面亮度的规定相同。
3.2隧道内水平平均照度计算模型
隧道内照明方面的照度计算一般指隧道内的水平平均照度，然而平均照度的计算方法有很多种。为了计算精确，本文隧道内路面水平平均照度按四点法布点测量计算：为沿道路纵向的网格数，为道路法向的网格数，则为总网格数。根据每个网格四个角点上四个测点的照度平均值可代表网格照度值的假定。
4、隧道照明優化模型求解
4.1遗传算法思想简介
遗传算法（GeneticAlgorithm、简称GA）是美国Michigan大学的J.H.Holland（1975）基于进化论思想和遗传学说，提出的一种概率搜索算法。遗传算法的机理是模拟自然界的进化规律，通过遗传、变异、交叉等手段得到最优结果的一种算法，它是一种优化算法，能够解决函数求最值、调度优化等问题。
经过实践证明，能够在全局范围内进行最优解搜寻，本文研究遗传算法的特点，借鉴其工程实践中的成功应用，本文将其应用于隧道照明优化运行问题的数学模型求解。
遗传算法设计的一般步骤：
（1）参数编码。基于目前数字调光技术，每盏灯可进行256级调光，因此在隧道照明优化模型求解中，每个基因采用8位二进制编码，将个体的每个基因值用某一范围内的一个实数来表示。
（2）适应度函数的确定。在每一代遗传计算过程中，如何选择母体中的优良个体遗传到下一代是一个需要考虑的问题。我们在这里需要确定适应度函数来反应种群个体优劣，个体适应度与优良度成正比，优良度高就会有很大的概率遗传到下一代，优良度低概率就会小。
（3）交叉与变异。确定交叉与变异的概率，保证种群中一些个体按照这个概率进行进化，看是否出现适应度值较高的个体，并用他们来替换需要淘汰的适应度低的不好个体，保证寻优的顺利进行。
（4）收敛条件的确定。在遗传算法进行搜索时，如何约束条件使算法结束是必须要考虑的问题，我们选用什么方法判断得出的结果己经达到最优解，我们一般选用的判断标准有两种方法：①连续几代个体平均适应度的差异小于某一个极小的给定值；②群体中所有个体适应度的方差小于某一个给定的极小值。
4.2遗传算法的应用
依据隧道内照明优化思想，结合遗传算法的原理，编制了相应的隧道照明优化遗传算法程序。
并参照以下原则设置其相应参数.
（1）确定母体群规模：母体群的选择也要进行全方面的考虑，太大和太小都不合适。当选择母体群群体数量较大时，会影响算法的运行速度和工作效率；选择母体群数量比较小时，会保证运算速度比较快，得到最优解花费的时间比较少，同时也会有不好的一面产生，会降低种群多样性。
（2）交叉、变异概率：依照最优保存策略，在这两个参数的选择上，优良度高的取代优良度差的，交叉概率的取值范围是0.25～0.9之间，变异概率的取值范围是0.001～0.1之间。
（3）收敛条件：选取一定的方法判别最优解搜索情况。
5、仿真研究
本文模拟隧道内某一过渡段作为仿真对象。设计此仿真对象长7oo米、宽10米、高3米；灯具为双侧对称布置，灯间纵向距离为10米；隧道内装设12盏灯；灯具布置5个检测点，设各检测区域为正方形，检测点位于正方形中心，因此灯具光线入射角均相同，在此只计算检测点周围4盏灯对其产生的影响。
因为仿真设置灯具为12盏，采用8位二进制编码，设定各检测点照度值为200（Ix）.180（lx）.160（lx），120（lx）}90（lx），分别采用轮盘赌法和均匀分布法两种方法来进行选择。
结束语
高速公路隧道照明节能技术及控制方法的研究涉及了很多领域，例如：光学、统计学、物理学等等。本文结合了高速公路隧道照明的特点，重点研究了照明调光曲面和隧道照明照度优化的问题。并得出以下结论：
（1）在建立好隧道照明调光曲面的前提下，本文尝试将遗传算法用于隧道照明的照度优化中，按不同的照度需求调节隧道内各照明灯具，使其获得最佳的优化照度，有一定的节能效果，在实际使用中拥有很大的发展空间。（2）建立了最优化照明需求输出模型，使复杂的照度优化问题简化为求解多元方程组问题，使隧道照明达到更好的节能目的。使其可以按不同的照度需求调节隧道内各照明灯具，获得最佳的优化照度，与以往常规的求解照明照度优化模型的动态规划法相比，遗传算法具有较强的全局搜索性，能以较快的速度收敛于最优解。
参考文献：
[1]尚红云，蒋萍.中国能源消耗变动影响因素的结构分解[[J].资源科学，2009，31（2）.
[2]林利安.公路隧道能源管理研究[D].重庆交通大学，20l0.
[43」中华人民共和国交通部.2008年公路水路交通行业发展统计公报[R].2009
[4]肖振鹏，黄桂树.高速公路隧道照明节能技术研究【A].第九届中国高速公路信息化管理及技术研讨会[C].2007：300-303.