技术特征：
1.一种基于车流车型的公路隧道智能通风装置，其特征在于，包括：车流量检测模块、智能控制模块以及风门控制器(3)和变频风机(2)，所述车流量检测模块包括车辆红外线检测器(1)和信号转换器(4)；信号转换器(4)与车辆红外线检测器(1)相接；所述智能控制模块包括存储器(7)、计算单元(6)以及中央控制器(5)，中央控制器(5)分别与存储器(7)、信号转换器(4)、计算单元相连，所述风门控制器(3)与中央控制器(5)相连，所述风门控制器(3)与变频风机(2)相连。2.根据权利要求1所述的一种基于车流车型的公路隧道智能通风装置，其特征在于，车辆红外线检测器(1)布置在隧道内部，该车辆红外线检测器(1)是波束检测装置，在不同的方向上获得同一车辆同一时间不同的信息信号，同一路口上的多个红外线检测器，不发生不同红外线检测器在发射红外线和接收红外线间的相互干扰，红外线检测器能自动生成二维或三维的监视图像，对车辆进行分类。3.一种根据权利要求1-2任一所述基于车流车型的公路隧道智能通风装置的方法，其特征在于，该方法执行步骤如下：s1：隧道内的车辆红外线检测器(1)获取隧道内车辆的通行信息，其中，所述隧道内车辆信息包括隧道内车辆交通量、车辆燃油类型及车型信息；每隔预定时间
△
t，车辆红外线检测器(1)通过信号转换器(4)将
△
t时间间隔内采集到的隧道内车辆通行信息汇总发给中央控制器(5)；s2：中央控制器(5)将车辆通行信息进行处理，存储隧道内不同车辆类型的交通量；s3：神经网络预测计算中心建立lstm神经网络模型，利用s2中存储的n个时段隧道内经过的不同车辆类型的交通量值构建数据集，训练lstm神经网络模型并调整lstm参数，根据建立好的lstm神经网络模型获得第n+1时刻的不同车辆类型的预测交通量；s4：根据s3中预测所得第n+1个时刻的隧道内不同车辆类型的交通量，通过需风量计算中心计算得到隧道需风量值；s5：所述中央控制器(5)通过接收计算单元(6)的需风量计算结果，控制风门控制器(3)，控制变频风机(2)的运行状态改变隧道内的通风风量，从而达到隧道通风变频节能的效果。4.根据权利要求3所述的基于车流车型的公路隧道智能通风方法，其特征在于：利用lstm神经网络车流量预测方法的步骤如下：stm神经网络模型获得第n+1时刻的不同车辆类型的预测交通量具体步骤为：s1：获取车流量历史数据；通过信号转换器4转换车辆红外线检测器1存储的历史数据中m组n个时段不同车辆类型的交通量值即每个时段相隔
△
t，并将信号传递给中央控制器；s2：数据预处理；在神经网络预测计算中心对获取到的m组n个时段经过的不同车型的车流量值进行数据预处理，即删除重复数据和缺失数据；数据预处理非常重要，数据预处理的好坏会对模型的预测精度产生影响；s3：数据集构建；利用预处理后的数据构建数据集，数据集主要包括训练集和预测集；针对单一某路段，将清理后的数据，按时间戳的前后顺序排列,将路段每隔15min的车流量数值提取出来作为车流量时间序列；判断车流量时间序列是否是平稳时间序列，如果是平稳序列则直接构造数据集，若不平稳则对其进行差分，利用差分后的数据构造数据集，得到预测车流量值时进行相应的逆变换；最后将数据输入模型之前对数据进行归一化处理，以
便于模型训练，得到更好的结果；进一步的，对输入数据进行归一化处理的具体计算表达式为：其中，x
it
为车流量值，minx
i
为输入序列所有车流量值中的最小值，maxx
i
为输入序列所有车流量值中的最大值；s4：模型的构建与训练；建立lstm神经网络模型，利用预先的构建数据集训练lstm神经网络模型并调整lstm参数，根据建立好的lstm神经网络模型获得预测的车流量；使用建立的短时车流量预测模型对测试集进行预测，将结果和实际车流量进行对比，评估模型的性能，不断完善模型；进一步的，lstm网络根据隧道历史数据计算得到预测数据，公式如下：f
t
＝σ(w
xf
x
t
+w
hf
h
t-1
+b
f
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)i
t
＝σ(w
xi
x
i
+w
hi
h
t-1
+b
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)(3)o
t
＝σ(w
xo
x
t
+w
ho
h
t-1
+b
o
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)m
t
＝tanh(c
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)h
t
＝o
t
·
m
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)其中，f
t
,i
t
,o
t
,分别表示当前时刻遗忘门输出，输入门输出、输出门输出，
·
表示点乘，w
f
,w
i
,w
c
,w
o
分别表示遗忘门、输入门、存储状态、输出门的权重参数，b
f
,b
i
,b
c
,b
o
分别表示遗忘门、输入门、存储状态、输出门的偏置，x
t
,h
t
,c
t
,分别表示输入参数、输出参数及存储状态参数，c
t-1
,h
t-1
分别表示上一时刻的存储状态参数和输出参数，c～表示存储单元的状态，σ表示sigmod函数；进一步的，本发明采用均方误差mse作为损失函数，用来评价指标来评估所建立的车流量预测模型的效果；其中，mse：式中，f
i
表示lstm神经网络的预测值，x
(n+1)m
表示真实的欲预测的第n+1个时刻的车流量值，m为神经网络输入的样本数目：s5：利用完善的模型进行车流量的预测，得到第n+1个时刻的不同车型的车流量。5.根据权利要求3所述的基于车流车型的公路隧道智能通风方法，其特征在于：所述需风量的计算步骤如下：s1:当车辆驶入隧道后，通过中央控制器5对车辆数据进行分析处理，可根据每台车辆的车型类别，进而可统计得到本次采集控制周期中，第n+1个时刻的预测隧道内车辆以下信息：隧道内考虑烟尘的车辆的车况系数f
a(vi)
、隧道内考虑烟尘的车辆的车密度系数f
d(vi)
、隧道内考虑烟尘的车辆的纵坡-车速系数f
iv(vi)
、隧道内考虑烟尘的车辆的预测交通量n
m(vi)
、隧道内考虑烟尘的车辆的车型系数f
m(vi)
、隧道内考虑烟尘的车辆的车型类别数n
vi
、
隧道内考虑co的车辆的车况系数f
a(co)
、隧道内考虑co的车辆的车密度系数f
a(co)
、隧道内考虑co的车辆的车密度系数f
d(co)
、隧道内考虑co的车辆的纵坡-车速系数f
iv(co)
、隧道内考虑co的车辆的预测交通量n
m(co)
、隧道内考虑co的车辆的车型系数f
m(co)
、隧道内考虑co的车辆的车型类别数n
co
；s2:根据下式得到烟尘排放预测量：式中：q
vi
：隧道烟尘排放预测量，单位m2/s；q
vi
：隧道烟尘基准排放量，单位m2/(veh
·
km)；f
a(vi)
：隧道内考虑烟尘的车辆的车况系数；f
d(vi)
：隧道内考虑烟尘的车辆的车密度系数；f
h(vi)
：考虑烟尘的海拔高度系数；f
iv(vi)
：隧道内考虑烟尘的车辆的纵坡-车速系数；l：隧道长度，单位米；n
m(vi)
：隧道内考虑烟尘的车辆的预测交通量，单位veh/h；f
m(vi)
：隧道内考虑烟尘的车辆的车型系数；n
vi
：隧道内考虑烟尘的车辆的车型类别数；注意：对于新能源汽车，认为烟尘排放量为0，n
m(vi)
不包含新能源汽车的数量和类型；s3:根据下式得到隧道稀释烟尘的需风量：式中：q
req(vi)
：隧道稀释烟尘的需风量，单位m3/s；k：隧道烟尘基准排放量，单位m2/(veh
·
km)；s4:根据下式得到co排放预测量：式中：q
co
：隧道co排放预测量，单位m3/s；q
co
：隧道co基准排放量，单位m3/(veh
·
km)；f
a(co)
：隧道内考虑co的车辆的车况系数；f
d(co)
：隧道内考虑co的车辆的车密度系数；f
h(co)
：考虑co的海拔高度系数；f
iv(co)
：隧道内考虑co的车辆的纵坡-车速系数；n
m(co)
：隧道内考虑co的车辆的预测交通量，单位veh/h；f
m(co)
：隧道内考虑co的车辆的车型系数；n
co
：隧道内考虑co的车辆的车型类别数；注意：对于新能源汽车，认为co排放量为0，n
m(co)
不包含新能源汽车的数量和类型；
s5:根据下式得到隧道稀释co的需风量：式中：q
req(co)
：隧道稀释co的需风量，单位m3/s；q
co
：隧道co排放预测量，单位m3/s；δ：co设计浓度，单位ppm；p0：标准大气压，取101.325kn/m2；p：隧址设计气压，单位kn/m2；t：隧道夏季的设计气温，单位k；t0：标准气温，取273k；s6:根据下式计算隧道第一换气需风量：式中：q
req(ac1)
：隧道第一换气需风量，单位m3/s；a
r
：隧道计算面积，单位m2；n
s
：隧道每小时换气次数，取3次/h；s7:根据下式计算隧道第二换气需风量：q
req(acq2)
＝v
ac
·
a
r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)式中：q
req(ac2)
：隧道第二换气需风量，单位m3/s；v
ac
：隧道换气风速，取1.5m/s；s8:取隧道第一换气需风量q
req(ac1)
和隧道第二换气需风量q
req(ac2)
的最大值，作为最终得到的隧道换气需风量q
req(ac)
；s9:取隧道稀释烟尘的需风量q
req(vi)
、隧道全长稀释co的需风量q
req(co)
和隧道换气需风量q
req(ac)
中的最大值，作为隧道内所需的通风量q
r
，即：q
r
＝max(q
req(vi)
,q
req(co)
,q
req(ac)
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)。
技术总结
本发明公开了一种基于车流车型的城市地下交通隧道智能通风方法与装置，包括：车流量检测模块、智能控制模块以及风门控制器和变频风机，所述车流量检测模块包括车辆红外线检测器和信号转换器；该方法主要是利用长短期记忆网络(LSTM)，即一种时间递归神经网络，适用于处理和预测时间序列中间隔和延迟相对较长的重要事件，来预测隧道内不同车型的交通流、车型(重点新能源车比例)，从而根据预测的交通流来计算隧道内的需风量，进而对隧道内通风系统的变频风机进行智能控制，达到既能保证隧道内的污染物浓度低于规范限定值、又能减少通风系统运行能耗的目的。统运行能耗的目的。统运行能耗的目的。
技术研发人员：李炎锋 刘爽 杨泉 雷晨彤 苏枳赫 马政 李俊梅 陈超 欧阳力 杨石 鲁慧敏
受保护的技术使用者：北京工业大学
技术研发日：2022.09.01
技术公布日：2023/2/23