地鐵作為快捷、方便的出行方式,在我國大城市的發(fā)展速度不斷加快,隨之產(chǎn)生的就是能源消耗問題,由于大多數(shù)的地鐵站處于地下,地鐵站照明能耗在地鐵車站的整個(gè)能耗中占有很大的比重,地鐵站照明節(jié)能對于降低地鐵站的運(yùn)營成本具有重要的現(xiàn)實(shí)意義。本文以地鐵站照明系統(tǒng)為研究對象,以減少地鐵站照明能耗為研究目的,開展了基于客流預(yù)測的地鐵站照明控制系統(tǒng)節(jié)能研究,主要完成了以下工作:（1）地鐵站短時(shí)客流預(yù)測。以深度學(xué)習(xí)理論為基礎(chǔ),設(shè)計(jì)并實(shí)現(xiàn)了多層受限玻爾茲曼機(jī)和BP網(wǎng)絡(luò)組成的深度置信網(wǎng)絡(luò)模型,基于深度置信網(wǎng)絡(luò)模型實(shí)現(xiàn)參數(shù)的微調(diào)優(yōu)化,實(shí)驗(yàn)結(jié)果表明,該模型能夠有效的預(yù)測出地鐵站的短時(shí)客流量。（2）地鐵站照明控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。硬件部分以STM32F103ZE處理器為核心,設(shè)計(jì)了最小系統(tǒng)、串口通信、照明電路、繼電器控制電路等模塊;軟件部分采用Keil MDK軟件對該系統(tǒng)進(jìn)行編程、調(diào)試,設(shè)計(jì)了控制系統(tǒng)主程序、數(shù)據(jù)傳輸、照明系統(tǒng)調(diào)節(jié)等模塊,實(shí)現(xiàn)了依據(jù)客流量調(diào)節(jié)地鐵站照度大小的照明控制系統(tǒng)。（3）地鐵站照明控制系統(tǒng)節(jié)能效果的驗(yàn)證。采用DIALux軟件對地鐵站照明系統(tǒng)的建模仿真,采用MATLAB軟件計(jì)算當(dāng)前地鐵站照明系統(tǒng)的... 

【文章來源】：西安建筑科技大學(xué)陜西省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.2雙峰型客流分布

西安建筑科技大學(xué)碩士學(xué)位論文7圖2.2雙峰型客流分布（2）全峰型這種客流類型的地鐵站一般位于城市的核心區(qū)域或者是關(guān)鍵的換乘站點(diǎn)，全天客流都會處于高的狀態(tài)。例如西安地鐵的北大街站、小寨站。北大街站位于城市市中心，周圍有很多學(xué)校、商場和醫(yī)院，并且是地鐵一號線和二號線的換乘站，小寨站周圍有很多大型商場以及旅游景點(diǎn)，并且也是地鐵二號線和三號線的換乘站，因此該客流類型的車站從早到晚時(shí)客流量基本都處于高峰狀態(tài)。如圖2.3所示：圖2.3全峰型客流分布

西安建筑科技大學(xué)碩士學(xué)位論文8（3）突峰型突峰型客流是指客流量會在某一時(shí)間突然產(chǎn)生較大的變化，這種客流類型的地鐵站大多位于大型活動(dòng)場所附近，如體育嘗大型活動(dòng)舉辦地，在賽事活動(dòng)開始前和結(jié)束后的時(shí)間段，該客流類型的車站會出現(xiàn)突發(fā)性的客流高峰，與此同時(shí)，與其相鄰的車站可能也會受到影響，出現(xiàn)短暫時(shí)段的客流高峰。例如西安地鐵二號線的省體育場站和永寧門站。2016年10月6日，在省體育場舉辦了國足十二強(qiáng)賽，體育場容納了近五萬人，導(dǎo)致體育場站出現(xiàn)了短時(shí)的客流高峰；2017年10月25日，永寧門舉辦了大型晚會，在晚會的開始和結(jié)束都出現(xiàn)來的短暫的客流高峰。該類型車站的客流分布圖如圖2.4所示：圖2.4突峰型客流分布（4）無峰型該客流類型的地鐵站全天每一時(shí)段的客流量都比較少，客流量沒有明顯的變化。這種客流類型的地鐵站一般是在地理位置處于比較偏的地方，例如西安地鐵三號線的新筑站，該車站處于郊區(qū)位置，對于乘坐地鐵的需求較小，所以地鐵運(yùn)行時(shí)段，客流量顯得不足。還有一些情況，很多城市在快速階段，地鐵的修建速度超過了周圍客流需求，因?yàn)檫@些地鐵站的周邊還處于正在開發(fā)的階段，周圍的基礎(chǔ)建設(shè)還沒有完全成型，雖然未來這些地鐵站的客流量會變多，但是目前來看，這些地鐵站周圍的客流量還是比較少，這就是無峰型客流類型的地鐵站。這種客流類型每天客流的變化規(guī)律大致如圖2.5所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的城市聲音分類模型研究[J]. 陳波,俞軼穎.  浙江工業(yè)大學(xué)學(xué)報(bào). 2019(02)
[2]深度學(xué)習(xí)在智能電網(wǎng)中的應(yīng)用現(xiàn)狀分析與展望[J]. 周念成,廖建權(quán),王強(qiáng)鋼,李春艷,李劍.  電力系統(tǒng)自動(dòng)化. 2019(04)
[3]以安全為導(dǎo)向的地鐵高峰時(shí)段多車站客流協(xié)同控制模型[J]. 石俊剛,楊靜,楊立興.  交通運(yùn)輸系統(tǒng)工程與信息. 2019(01)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的南京市房價(jià)預(yù)測[J]. 吳姍姍.  市場周刊. 2019(02)
[5]基于神經(jīng)網(wǎng)絡(luò)的地鐵短時(shí)客流預(yù)測服務(wù)[J]. 侯晨煜,孫暉,周藝芳,曹斌,范菁.  小型微型計(jì)算機(jī)系統(tǒng). 2019(01)
[6]基于AFC的地鐵車站樓扶梯客流參數(shù)預(yù)測與狀態(tài)判定[J]. 孫建輝,胡華,劉志鋼.  計(jì)算機(jī)應(yīng)用與軟件. 2019(01)
[7]基于車流量控制的道路照明節(jié)能控制系統(tǒng)[J]. 李付偉,馬榮兵,王強(qiáng).  照明工程學(xué)報(bào). 2018(02)
[8]深度置信網(wǎng)絡(luò)模型及應(yīng)用研究綜述[J]. 劉方園,王水花,張煜東.  計(jì)算機(jī)工程與應(yīng)用. 2018(01)
[9]基于深度學(xué)習(xí)的醫(yī)學(xué)影像診斷綜述[J]. 張巧麗,趙地,遲學(xué)斌.  計(jì)算機(jī)科學(xué). 2017(S2)
[10]基于深度學(xué)習(xí)的安卓惡意應(yīng)用檢測[J]. 蘇志達(dá),祝躍飛,劉龍.  計(jì)算機(jī)應(yīng)用. 2017(06)

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)和深度信念網(wǎng)絡(luò)對車軸疲勞裂紋聲發(fā)射信號的識別研究[D]. 賈宇恒.大連交通大學(xué) 2018
[2]基于深度學(xué)習(xí)的地鐵短時(shí)客流量預(yù)測研究[D]. 李捷.西南交通大學(xué) 2018
[3]基于深度神經(jīng)網(wǎng)絡(luò)的短時(shí)客流量預(yù)測[D]. 高瑩.杭州電子科技大學(xué) 2018
[4]基于深度學(xué)習(xí)的SDN流量預(yù)測研究[D]. 鹿如強(qiáng).浙江工商大學(xué) 2018
[5]基于放射組學(xué)的肺ROI特征提取與選擇和結(jié)節(jié)的良惡性分類[D]. 魏冰雁.河北大學(xué) 2017
[6]基于變分模態(tài)分解的船用齒輪箱故障診斷研究[D]. 方軍強(qiáng).武漢理工大學(xué) 2017
[7]基于地鐵站的電氣照明節(jié)能研究[D]. 朱姝偉.長安大學(xué) 2015
[8]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的燃煤鍋爐生產(chǎn)運(yùn)行預(yù)測與優(yōu)化[D]. 高俊苓.中國石油大學(xué)(華東) 2014



本文編號：3035725