秦岭终南山特长公路隧道通风控制研究

http://www.rbtmm.com/

摘 要：论述了通风控制的发展现状与存在的主要问题，分析了通风控制参数CO浓度、排队长度、车辆在隧道内的滞留时间与交通运营的关系，提出了基于表格查询法的通风模糊控制模型，达到既满足隧道环境条件要求，又节能并保证设备运转平衡的目的。

关键词：公路隧道 通风控制 模糊预测

秦岭终南山特长公路隧道工程是西部干线公路“内蒙古阿荣旗一西安一重庆一广西北海”和“银川一西安一武汉”两条路线的共用段，也是陕西省“米”字形公路网主骨架中打通西安至安康通道，进而沟通秦岭南北地区交通的大型公路建设项目。建设标准为双洞四车道高速公路，计算行车速度80km/h，全长18.02km，采用分段送排式纵向通风。据计算，通风运营费用一般占隧道通风与照明运营费用的70％—80％，将来该隧道的通风运营费用将是管理单位一笔沉重的负担。本文就如何进行通风控制，达到既满足隧道环境条件要求又节能进行探讨。

1 通风控制发展现状

通风控制和通风方案有关。就通风方案而言，主要有纵向、横向、半横向及混合型等多种通风形式；而通风控制方案按系统控制概念讲，有集中控制和独立控制(分散型)等形式。由于通风控制涉及异常确认，所以一般采用集中控制。这时主要有直接控制法、间接控制法及混合型控制法三种方式，国内大多数隧道都是采用直接控制法。仅以CO浓度和

www.rbtmm.com 能见度作为通风控制指标，从实际使用效果来看，目前通风控制主要存在以下问题：

a．通风控制参数选取不合理。采用CO/VI作为控制参数，由于检测设备不稳定，降低了系统的可靠性。

b．控制工况不合理。根据CO/VI是否超标进行控制，没考虑《公路隧道通风照明设计规范》中CO/VI的允许持续时间，从而造成未来交通量下降，本来自然排放就可满足规范要求，结果却开了风机使得运营成本增加。

c．控制模型智能化水平低，没有考虑交通流的发展趋势是增加还是减少。

2 通风控制参数

根据《公路隧道通风照明设计规范》，通风控制CO浓度、能见度、车辆在隧道内的持续时间和交通拥挤时的排队长度四个指标，在此主要烟雾浓度以外的三个参数进行讨论。

2.1 排队长度≤1km的条件

正常状态与阻塞状态的交通量、密度、速度分别为q1、k1、v1和q2、k2、v2，车辆阻塞时间为t1，根据交通流理沦，排队长度≤lkm，即要求满足以下条件：

2.2 车辆在隧道内滞留时间

对于3000m以上的隧道，如秦岭终南山隧道，采用纵向通风，这时可按CO不超过250ppm进行控制，这时对应的滞留时间为35min，这意味着过秦岭终南山隧道的车辆平

www.rbtmm.com 均运营速度必须大于30.89km/h。这一速度已接近阻塞速度的临界值，因此在正常交通工况下，车辆在隧道的滞留时间一般不再是通风控制应考虑的因素。但是，当交通量大于通行能力时，交通处于强制流状况，阻塞发生，车速下降，这时车辆在隧道的行驶时间就可能成为通风控制应考虑的因素。出现这种情况，包括慢车引起拥挤交通流和故障车引起的交通阻滞两种情况。前者引起的阻塞随着慢车驶出隧道而消失，后者随着交通量的减少或故障车的排除而逐步恢复正常交通，两者都可按交通流理论计算阻塞消失时间，从而得到车辆在隧道内的滞留时间。

2.3 车辆在隧道内的滞留时间与CO浓度的关系

根据规范要求，交通阻塞过(各车道均以怠速行驶，平均车速为10km/h)时，阻塞段的平均CO设计浓度可取300ppm，经过时间不超过20min。规范中没有给出其他情况CO浓度与车辆在隧道内的最大滞留时间的关系。基本采用规范P81图2的结果，400ppm允许20min，350ppm允许 25min，300ppm允许30min，250ppm允许35min，200ppm允许40min，则车辆在隧道内的滞留时间，与CO浓度建议式如下：

3 通风控制工况

通风控制工况包括正常工况与异常工况，异常工况包括火灾与阻塞，基于未来交通量发展趋势的通风控制工况如下图所示。

4 交通量模糊预测

目前，常用的短期预测方法有神经网络法、模糊预测法。模糊辨识器具有神经网络辨识器所不具备的以下两大优点：

www.rbtmm.com 模糊辨识器的参数具有明确的物理意义，即在模糊“如果一则”规则中，y1为“则”部分模糊集合的中点，而xli和Oli分别为“如果”部分模糊集合的中点和宽度；因此，可能找到一个较好的方法来选择初始参数。反之，神经网络辨识器的参数与其输入、输出数据之间缺乏明确的物理意义，所以神经网络辨识器的初始参数通常是随机选取的。由于这两种辨识器采用的反向传播算法均属梯度算法，因此初始参数的选择是否合理在相当程度上影响算法的收敛速度。

b．模糊辨识器是在模糊逻辑系统的基础上构造的，而模糊逻辑系统又是提供了利用人类语言描述信息的途径，而这类语言描述(以“如果一则”规则的形式)常常包含了未知非线性系统的重要信息。具体来讲，利用这类语言信息可以构造出一个较弱的初始辨识器，从而使得模糊辨识器在在线辨识过程中更快地收敛于真实系统。模糊辨识器能利用语言信息这一能力具有十分重要的实用意义，其原因是现实生活中许多真实系统是由专家控制的，这些专家也确实能够提供这类非线性系统的语言描述信息。而这类语言信息一般是比较模糊和不确切的，所以在传统辨识器和神经网络辨识器的设计过程中始终无法利用这类信息，只是在设计完成后用这类信息来评估设计是否合理。然而，在模糊辨识器的设计过程中，设计者能够将这类信息自始自终地贯彻于整个设计过程之中，而且我们相信这类信息对辨识器的设计是利大于弊的。因此，本文采用模糊预测法。模糊预测包括初始模糊逻辑系统f的构造和f的在线自适应调整两个部分，具体步骤如下：

a．初始模糊逻辑系统f的构造

构造一个合理的初始模糊逻辑系统f，这涉及怎样合理地选y1,xii和Oli等初始参数。

设从k=0开始辨识非线性系统。设参数xi(M)=ui(l)和yi(M)=g(u(l)),i=1, 2，…，n；

www.rbtmm.com l=1，2，…，Mo此时u(l)=(ui(l),(u2(l)，…un(l))T, 为系统和辨识器的输入，g(u(l))为模糊逻辑系统f在输入为u(l)时的期望输出；设oli(M)取某些较小的值。或者设oli(M)：[max(ui(l)，l=1，2，．．．M)]-min(ui(l)，l=1．2，…M)]/2M，式中l=1，2，…，M；i=1，2，…，n。模糊辨识器的在线调整过程是从M+1时刻开始的。

b．γ在线自适应调整

在线自适应调整f的参数目的是要使系统的输出γ与辨识器的输出y之间的误差e最小。鉴于反向学习传播算法和正交最小二年学习算法都不经济，本文采用表格查寻学习算法，从数据信息中产生模糊规则。设给定期望的输入一输出数据对为：(x1(1)，x2(2)；γ(1))，(xl(2)，x2(2)；y(2))，……；xl、x2分别为输入，y为输出，确定所需要的模糊逻辑系统f：(xl，x2)→y分如下5步组成：

步骤1 把输入空间和输出空间划分为模糊区间

设xl、x2和y的取值范围分别为[x1-，x1+]，[x2-，x2+]和[y-，y+]，将每一个变量的取值范围再划分成2N+1个区间，将这2N+1个区间分别表示为SN，…， S1，CE(中点)，B1，…，BN(从小到中到大)，且每个区间都对就一个模糊隶属函数。

步骤2 由已知的输入一输出数据对产生模糊规则

首先求出不同区间上已知数据x1(i), x2(i)和y(i)对应的隶属度。其次，将已知数据x1(i)，x2(i)和y(i)分别定位于最大隶属度对应的区间上。最后，从每一对较满意的输入一输出数据对中产生一条规则。

www.rbtmm.com 步骤3 为每一条规则赋予一个置信度

由于有许多对数据信息，而每一对产生一条规则，就很可能出现自相矛盾的规则。解决这个矛盾的方法是为每一条数据对产生的规则赋予一个置信度，在自相矛盾的规则中只选用具有最高置信度的那条规则。

步骤4 组合模糊规则库的产生

组合模糊规则库中的规则既可以来源于数据产生的规则，也可来源于语言性规则，如果模糊规则库中某一空格对应的规则不止一个，则选用具有最大置信度的那一条规则，从而将数据和语言两类信息用组合模糊规则库统一起来。

步骤5 根据组合模糊规则确定出映射关系

对于已知的输入(x1，x2)，按下式计算(x1，x2)相对应的输入控制的置信度μiOi，

μiOi=μIil(x1)μIi2(x2)

这里。i表示规则i的输出区间，Ii1表示规则i中第j个分量的输入区间。用下列的中心平均模糊消除公式就可求出输出y：

y即预测的交通量，根据预测交通量的大小和发展趋势，则可判断发生拥挤的可能性。

5 模糊通风控制模型

www.rbtmm.com 通风控制涉及通风方式、交通组成与变化、交通状态与变化、风机运行时间及启停时间几个方面的因素，作为控制决策，在通风方式确定后，影，向通风的主要因素有隧道内的车辆数和车辆类型，其决定了CO和烟雾排放量，而车辆行驶速度决定了车辆在隧道内的滞留时间。从而通风控制问题转换为隧道内车辆数与车辆类型的检测和预测问题。在得到隧道内车辆数与车辆类型的当前值和其后一段时间的发展变化规律后，则可计算CO和烟雾排放量值，得到C0和烟雾排放量随时间的变化曲线(表)；根据通风计算模型，得到风机开启台数随时间的变化曲线(表)；根据各台风机运行时间和启停时刻记录，选择启动或停止的风机，使风机运转平衡。

根据上述分析，通风控制包括以下模块：

a，预警参数设置模块

预警参数包括CO浓度与车流的平均速度，用于判断隧道环境条件是否将超过《规范》的要求。

b．通风计算模块

根据交通发展变化情况，计算CO和烟雾浓度，从而由通风计算模块计算需风量及风机开启或停转台数。

c．交通预测与交通状态判断模块

根据现场采集的交通数据，判别交通状态：正常或阻塞；预测期内隧道内车辆数变化趋势是将增加、减少或基本保持不变，当隧道内车辆数基本保持不变时，不需改变风机的

www.rbtmm.com 运行状态；当隧道内车辆数将增加时，可能会增加风机的开启台数；当隧道内车辆数将减少时，可能会减少风机的开启台数；隧道内车流的平均速度(用于判别是否会出现lkm的阻塞)。

d．运营评价模块

计算车辆在隧道的滞留时间，发生阻塞+计算阻塞长度，对隧道当前风机的运营状态进行评价，根据运转时间，对待(停)开的风机排列优先顺序，以便进行通风控制决策。

e．控制决策模块

结合运营评价模块的评价结论，决定风机的开启或停转。

6 结语

本文对模糊通风控制进行了探讨，使用中还需提供通风计算有关参数、射流风机开启台数(从1~N，N为单洞最大轴流风机台数)适应的交通量与速度表、在射流风机全开的条件下轴流风机开启台数(从1-M，M为单洞最大轴流风机台数)适应的交通量与速度表及火灾工况射流风机与轴流风机开启台数表。鉴于篇幅有限，未给出模拟验证结果，文中不当之处尚请批评指正。

参考文献

1 交通工程手册．北京：人民交通出版社，1998，5

www.rbtmm.com 2 王立新．自适应模糊系统与控制。北京：国防工业出版社，199510

3 公路隧道通风照明设计规范．北京：人民交通出版社，2000，5

(韩 直)