CN110691453A - 一种采用人工智能技术高效管控智慧路灯的方法 - Google Patents

Abstract

本发明提供一种采用人工智能技术高效管控智慧路灯的方法，属于人工智能、物联网、边缘计算等技术领域，本发明指在智慧路灯之间组合建模，形成物物相连管控模型，并通过实际的数据进行学习训练，持续优化模型，以提升利用智慧路灯物物相连模型提升管控效率。

Description

一种采用人工智能技术高效管控智慧路灯的方法

技术领域

本发明涉及人工智能、物联网、边缘计算等技术领域，尤其涉及一种采用人工智能技术高效管控智慧路灯的方法。

背景技术

路灯是城市公共设施中的重要组成部分。无论在市民出行、交通安全、社会治安，乃至完善城市功能，提升城市品质等诸多方面，都有着不可替代的作用。随着技术的不断发展，路灯数量越来越多，路灯的作用也更加多元化。

随着城市建设的发展，城市照明建设越来越注重于城市的形象，道路照明和景观照明的要求和数量不断增加，今后城市照明管理部门除了管理城市道路照明外，还将参与城市景观灯的管理。因此对城市的建设、道路照明和景观照明提出了更高的要求。

现在采用控制方法以分散时控方式为主，即在路灯配电箱中安装定时器，按预定的时间自行开/关灯；而有些景观灯开关通常是人工手动控制方法。

现行的方法既不能及时调整开/关灯的时间，更无法及时反映照明设施的运行情况。随着城市的不断发展，控制范围越来越大，现行的控制方法无法及时反映照明设施的运行情况，由于缺乏灵活的控制手段，花费大量经费建设起来的各类路灯，难以充分发挥应有的效能。

而数字化的社会推进对路灯管理和服务工作提出了更新更高的要求。同事具备物联网终端、边缘端两个属性的路灯，如何通过高新技术的应用提升管控的高效能力，尤为重要。

物联网技术、AI技术等，都得到了突破性的发展，但在大部分行业行业尚未实现真正的万物互连，也未能发挥出技术与行业应用密切结合的良好效果。

发明内容

为了解决以上技术问题，本发明提出了一种采用人工智能技术高效管控智慧路灯的方法，采用人工智能的技术，建立智慧路灯之间物物相连模式，更加高效的提升对智慧路灯的管控效率。

路灯是社会生活中不可缺少的基础设施，随着智慧路灯的发展和数量的增加，采用人工智能的技术，建立智慧路灯之间物物相连神经网络触发管控模型，打破云/系统+端的模式，将会更加高效的提升对智慧路灯的管控效率。

本发明的技术方案是：

一种采用人工智能技术高效管控智慧路灯的方法，在智慧路灯之间组合建模，形成物物相连管控模型，并通过实际的数据进行学习训练，持续优化模型，以提升利用智慧路灯物物相连模型提升管控效率。

进一步的，

所描述的智慧路灯组合建模，是指将单个智慧路灯进行设备信息登记，建立单个路灯的资源配置模型，包括空间模型、物理模型，对智慧路灯进行设置连接分组，建立类神经网络互联触发拓扑网络，并进行物物相连管控建模。

进一步的，

空间模型即地理位置，物理模型即设备类型、厂商、型号。

进一步的，

所描述的通过实际的数据进行学习训练，是指通过对物物相连管控模型进行应用，并通过云、系统端采集路灯电流、电压、亮度、开关速度、能耗的数据，与预计效果进行预测，通过结果调整模型阈值，过程中对数据进行校对。

进一步的，

所描述最终训练优化好的模型对智慧路灯进行分布式的计算及管控。

进一步的，

具体操作如下：

1)将路灯信息在云端系统中登记，包括路灯参数、位置、所属区域信息；

2)根据路灯实际应用，利用典型特征进行算法建模；

3)采用路灯实际运行数据对模型进行训练、优化，调整各个参数；

4)通过训练，建立各个路灯分组，并形成神经网络互联触发拓扑网络；

5)将模型实际应用于路灯管控中。

再进一步的，

步骤2)中所述的利用典型特征进行算法建模，指利用管控效率、能耗、管理要求进行算法建模。

再进一步的，

步骤4)中所述的形成神经网络互联触发拓扑网络，即其中一个路灯收到系统端的“开灯”指令，则同时会触发同一分组的其它路灯，并互相交叉验证。

本发明的有益效果是

本发明采用了人工智能技术、物联网技术、边缘计算技术等。可以应用于有物联网应用的各个行业和领域，将辅助各行业产生较好的经济效益及社会效益。

附图说明

图1是本发明的工作流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种采用人工智能技术高效管控智慧路灯的方法，指在智慧路灯之间组合建模，形成物物相连管控模型，并通过实际的数据进行学习训练，持续优化模型，以提升利用智慧路灯物物相连模型提升管控效率。

所述的智慧路灯组合建模，是指将单个智慧路灯进行设备信息登记，建立单个路灯的资源配置模型，包括空间模型(地理位置)、物理模型(设备类型、厂商、型号)，对智慧路灯进行设置连接分组，建立类神经网络互联触发拓扑网络，并进行物物相连管控建模；

所述的通过实际的数据进行学习训练，是指通过对物物相连管控模型进行应用，并通过云、系统端采集路灯电流、电压、亮度、开关速度、能耗等数据，与预计效果进行预测，通过结果调整模型阈值，过程中可以加入专家对数据的校对；

所述最终训练优化好的模型对智慧路灯进行分布式的计算及管控。

具体步骤如下：

1)将路灯信息在云端系统中登记，包括路灯参数、位置、所属区域等信息；

2)根据路灯实际应用，利用典型特征，如管控效率、能耗、管理要求等要素进行算法建模；

3)采用路灯实际运行数据对模型进行训练、优化，调整各个参数，如对路灯的开关效率要提升一个数量级等；

4)通过训练，建立各个路灯分组，并形成神经网络互联触发拓扑网络，如路灯1收到系统端的“开灯”指令，则同时会触发同一分组的路灯10、路灯8等，并互相交叉验证；

5)将模型实际应用于路灯管控中。

以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种采用人工智能技术高效管控智慧路灯的方法，其特征在于，

在智慧路灯之间组合建模，形成物物相连管控模型，并通过实际的数据进行学习训练，持续优化模型，以提升利用智慧路灯物物相连模型提升管控效率。

2.根据权利要求1所述的方法，其特征在于，

所描述的智慧路灯组合建模，是指将单个智慧路灯进行设备信息登记，建立单个路灯的资源配置模型，包括空间模型、物理模型，对智慧路灯进行设置连接分组，建立类神经网络互联触发拓扑网络，并进行物物相连管控建模。

3.根据权利要求2所述的方法，其特征在于，

空间模型即地理位置，物理模型即设备类型、厂商、型号。

4.根据权利要求1所述的方法，其特征在于，

所描述的通过实际的数据进行学习训练，是指通过对物物相连管控模型进行应用，并通过云、系统端采集路灯电流、电压、亮度、开关速度、能耗的数据，与预计效果进行预测，通过结果调整模型阈值，过程中对数据进行校对。

5.根据权利要求1所述的方法，其特征在于，

所描述最终训练优化好的模型对智慧路灯进行分布式的计算及管控。

6.根据权利要求1所述的方法，其特征在于，

具体操作如下：

1)将路灯信息在云端系统中登记，包括路灯参数、位置、所属区域信息；

2)根据路灯实际应用，利用典型特征进行算法建模；

3)采用路灯实际运行数据对模型进行训练、优化，调整各个参数；

4)通过训练，建立各个路灯分组，并形成神经网络互联触发拓扑网络；

5)将模型实际应用于路灯管控中。

7.根据权利要求6所述的方法，其特征在于，

步骤2)中所述的利用典型特征进行算法建模，指利用管控效率、能耗、管理要求进行算法建模。

8.根据权利要求6所述的方法，其特征在于，

步骤4)中所述的形成神经网络互联触发拓扑网络，即其中一个路灯收到系统端的“开灯”指令，则同时会触发同一分组的其它路灯，并互相交叉验证。

Images