CN113515888B - 一种基于人流聚集情况的景观灯光设计方法及系统 - Google Patents

一种基于人流聚集情况的景观灯光设计方法及系统 Download PDF

Info

Publication number
CN113515888B
CN113515888B CN202110537008.1A CN202110537008A CN113515888B CN 113515888 B CN113515888 B CN 113515888B CN 202110537008 A CN202110537008 A CN 202110537008A CN 113515888 B CN113515888 B CN 113515888B
Authority
CN
China
Prior art keywords
partition
information
obtaining
light
design
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110537008.1A
Other languages
English (en)
Other versions
CN113515888A (zh
Inventor
傅伟伦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Forestry University
Original Assignee
Nanjing Forestry University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Forestry University filed Critical Nanjing Forestry University
Priority to CN202110537008.1A priority Critical patent/CN113515888B/zh
Publication of CN113515888A publication Critical patent/CN113515888A/zh
Application granted granted Critical
Publication of CN113515888B publication Critical patent/CN113515888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/155—Coordinated control of two or more light sources
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Abstract

本发明公开了一种基于人流聚集情况的景观灯光设计方法，包括：根据灯光设计范围、灯光设计方案信息，获得灯光分区信息；根据灯光设计方案信息，获得第一设计要素信息；将灯光分区信息、第一设计要素信息输入第一要素分析模型，获得分区要素占比；根据灯光位置信息、灯光设计范围，获得分区范围权重信息；根据灯光分区信息、分区范围权重信息，获得第一分区权重；根据灯光位置信息，获得历史人流量数据；根据历史人流量数据，获得人流量走势图、人流量设定阈值；根据分区要素占比、第一分区权重、人流量设定阈值获得第一分区阈值；根据第一分区阈值，获得第一分区控制指令。解决了现有技术中景观灯无法根据人流情况进行实时灯光控制的技术问题。

Description

一种基于人流聚集情况的景观灯光设计方法及系统
技术领域
本发明涉及人工智能领域，尤其涉及一种基于人流聚集情况的景观灯光设计方法及系统。
背景技术
景观灯又叫装饰性照明灯，是现代景观中不可缺少的部分。景观灯适用于广场、居住区、公共绿地等景观场所，能够利用不同的造型、相异的光色与亮度来渲染不同的景观氛围，在景区应用中还强调艺术灯的景观与景区历史文化、周围环境的协调统一。景观灯除了夜间照明的作用外，还具有提升夜间观赏性、增加景观层次感以及标识、提示、引导人群等作用，为人们的夜间出行提供了极大的乐趣。城市景观照明的总体规划是城市建设中的重要工作内容，它是在城市空间结构基本形成的情况下，在市民夜生活的基础上，对城市夜间各景区、景点及人流密集区域进行统一安排，合理布局，使其各得其所并形成有机联繁。
本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中的景观灯无法根据人流情况进行实时灯光控制，不能给予夜间行人足够的便利，当无人流量的地区景观灯常亮时，还会导致光污染以及不必要的电力损耗，造成资源浪费。
发明内容
本申请实施例通过提供一种基于人流聚集情况的景观灯光设计方法及系统，解决了现有技术中景观灯无法根据人流情况进行实时灯光控制的技术问题，本申请基于人流聚集情况对景观灯光的运作进行设计，达到了智能控制景观灯的技术目的，为行人夜间出行提供便利，进一步实现了节约能耗，避免资源浪费的技术效果。
鉴于上述问题，本申请实施例提供一种基于人流聚集情况的景观灯光设计方法及系统。
第一方面，本申请提供了一种基于人流聚集情况的景观灯光设计方法，其中，所述方法包括：获得灯光设计范围；获得灯光设计方案信息；根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；根据所述灯光设计方案信息，获得第一设计要素信息；将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；获得灯光位置信息；根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；根据所述灯光位置信息，通过大数据获得历史人流量数据；根据所述历史人流量数据，获得人流量走势图；根据所述人流量走势图，获得人流量设定阈值；根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
另一方面，本申请还提供了一种基于人流聚集情况的景观灯光设计系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得灯光设计范围；第二获得单元，所述第二获得单元用于获得灯光设计方案信息；第三获得单元，所述第三获得单元用于根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；第四获得单元，所述第四获得单元用于根据所述灯光设计方案信息，获得第一设计要素信息；第五获得单元，所述第五获得单元用于将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；第六获得单元，所述第六获得单元用于获得灯光位置信息；第七获得单元，所述第七获得单元用于根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；第八获得单元，所述第八获得单元用于根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；第九获得单元，所述第九获得单元用于根据所述灯光位置信息，通过大数据获得历史人流量数据；第十获得单元，所述第十获得单元用于根据所述历史人流量数据，获得人流量走势图；第十一获得单元，所述第十一获得单元用于根据所述人流量走势图，获得人流量设定阈值；第十二获得单元，所述第十二获得单元用于根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；第十三获得单元，所述第十三获得单元用于根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
另一方面，本申请实施例还提供了一种基于人流聚集情况的景观灯光设计系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供了一种基于人流聚集情况的景观灯光设计方法，通过获得灯光设计范围；获得灯光设计方案信息；根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；根据所述灯光设计方案信息，获得第一设计要素信息；将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；获得灯光位置信息；根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；根据所述灯光位置信息，通过大数据获得历史人流量数据；根据所述历史人流量数据，获得人流量走势图；根据所述人流量走势图，获得人流量设定阈值；根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制，解决了现有技术中景观灯无法根据人流情况进行实时灯光控制的技术问题，本申请基于人流聚集情况对景观灯光的运作进行设计，达到了智能控制景观灯的技术目的，为行人夜间出行提供便利，进一步实现了节约能耗，避免资源浪费的技术效果。
上述说明是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于人流聚集情况的景观灯光设计方法的流程示意图；
图2为本申请实施例一种基于人流聚集情况的景观灯光设计系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第六获得单元16，第七获得单元17，第八获得单元18，第九获得单元19，第十获得单元20，第十一获得单元21，第十二获得单元22，第十三获得单元23，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种基于人流聚集情况的景观灯光设计方法及系统，解决了现有技术中景观灯无法根据人流情况进行实时灯光控制的技术问题，本申请基于人流聚集情况对景观灯光的运作进行设计，达到了智能控制景观灯的技术目的，为行人夜间出行提供便利，进一步实现了节约能耗，避免资源浪费的技术效果。
下面，将参考附图详细的描述本申请的示例实施例，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
景观灯又叫装饰性照明灯，是现代景观中不可缺少的部分。景观灯适用于广场、居住区、公共绿地等景观场所，能够利用不同的造型、相异的光色与亮度来渲染不同的景观氛围，在景区应用中还强调艺术灯的景观与景区历史文化、周围环境的协调统一。景观灯除了夜间照明的作用外，还具有提升夜间观赏性、增加景观层次感以及标识、提示、引导人群等作用，为人们的夜间出行提供了极大的乐趣。现有技术中的景观灯无法根据人流情况进行实时灯光控制，不能给予夜间行人足够的便利，当无人流量的地区景观灯常亮时，还会导致不必要的电力损耗，造成资源浪费。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请提供了一种基于人流聚集情况的景观灯光设计方法，其中，所述方法包括：获得灯光设计范围；获得灯光设计方案信息；根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；根据所述灯光设计方案信息，获得第一设计要素信息；将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；获得灯光位置信息；根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；根据所述灯光位置信息，通过大数据获得历史人流量数据；根据所述历史人流量数据，获得人流量走势图；根据所述人流量走势图，获得人流量设定阈值；根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种基于人流聚集情况的景观灯光设计方法，其中，所述方法包括：
步骤S100：获得灯光设计范围；
步骤S200：获得灯光设计方案信息；
步骤S300：根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；
具体而言，城市景观照明总体规划要求科学、合理，要求切实掌握城市照明建设过程中需要解决的问题，按客观规律对城市的照明发展作出足够的预见，科学合理的城市照明总体规划会带来城市经济、文化的繁荣与发展。所述灯光设计范围表示需要进行景观灯设计规划的区域，该区域可以是城市规划中的任意区域，该区域的面积应结合规划内容具体而定。所述设计方案信息是指在所述灯光设计范围内的景观灯运行的具体方案，包含但不仅限于设计路段、设计位置、灯光效果、预算经费等信息。为了保证景观灯效果能够根据人流情况实时调整，将灯光设计范围按照人流量情况进行分区，同时也要兼顾区域重要程度，例如，夜间公共避难场所虽然平时鲜有人群特意途径，但当发生夜间公共安全事件时，照明充足可有效保障居民的人身安全。根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息，所述灯光分区信息是根据结合人流量情况和区域重要程度对所述灯光设计范围进行划分的结果，具有科学合理的依据，能够为景观灯的设计提供坚实的信息基础。
步骤S400：根据所述灯光设计方案信息，获得第一设计要素信息；
具体而言，在进行景观灯设计的过程中，需要考虑人文环境、自然环境以及城市特殊环境等各方面因素，才能保证景观灯设计方案适用于所述灯光设计范围。所述第一设计要素信息为进行景观灯设计时要考虑的因素，可以是特殊地理位置，例如地铁口、学校附近等，也可以是具有提示信息的路段，例如十字路口、景区附近、事故多发地段等。通过获得第一设计要素信息，可以使得景观灯的设计更加准确、更加具有人性化。
步骤S500：将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；
具体而言，所述第一要素分析模型为机器学习中的神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述灯光分区信息、所述第一设计要素信息输入神经网络模型，获得分区要素占比，其中，所述分区要素占比表示所述第一设计要素信息之于所有影响景观灯设计方案的因素所占的比重。
步骤S600：获得灯光位置信息；
步骤S700：根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；
步骤S800：根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；
具体而言，景观灯的设置区域和密度要根据当前区域的位置信息而定，例如，位于市郊的野外公园虽占地面积大且日间客流量大，但因其远离城市，夜间游客提前离开，导致夜间客流量骤减，所以在做景观灯设计时，可以适当降低其分区范围的权重值，将其视为非重要性区域，该区域的景观灯数量可以适当减少。所述分区范围权重信息即表示所在分区之于其他分区地理位置上的重要程度，所述分区范围权重越大，则表示所在分区地理位置越突出，景观灯的编排也应更加重视。由所述灯光分区信息、所述分区范围权重信息，可获得第一分区权重，所述第一分区表示某一特定区域，例如，所述第一分区可以是包含某景区的一片区域，也可以是某一居民小区。通过获得第一分区权重。可以使第一分区的景观灯设计更加贴合实际。
步骤S900：根据所述灯光位置信息，通过大数据获得历史人流量数据；
步骤S1000：根据所述历史人流量数据，获得人流量走势图；
步骤S1100：根据所述人流量走势图，获得人流量设定阈值；
具体而言，为了基于人流聚集情况设计景观灯，首先要获得所述灯光设计范围的历史人流量数据，而在实际空间内，人并非静止不动的，通过获得所述灯光设计范围的人流量走势图可以宏观掌握区域内人流的来去动向。所述人流量走势图可预定一段时间，例如依照某景区淡季和旺季的交替规律预定人流量走势图的有效时间，在有效时间内，所述灯光设计范围默认应用所述人流量走势图。根据所述人流量走势图，获得人流量设定阈值，所述人流量设定阈值为一临界值，当范围内人流量超过所述人流量设定阈值，可对所述人流量走势图进行更改替换，以达到对景观灯控制的智能更新效果。
需要注意的是，所述人流量走势图在特殊情况下可进行调整。例如，适逢节假日，预测某景区人流量大幅提升，通过对所述人流量走势图进行预测和替换，以达到对景观灯实时控制的目的，进一步提高了景区夜间行人的便利性。
步骤S1200：根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；
步骤S1300：根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
具体而言，根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值，所述第一分区阈值为一临界值，用于对第一分区进行划分，所述第一分区阈值应当准确限定所述第一分区的范围，对第一分区的标定范围进行严格把控。根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。通过将所述灯光设计范围进行合理划分，以分区为单位对各范围内的景观灯进行科学调控，达到了智能化控制景观灯，对景观灯进行实时控制的目的，大大提高了行人夜间出行的便利性。
进一步地，本申请实施例还包括步骤S1400，其中，步骤S1400包括：
步骤S1401：根据所述灯光分区信息，获得分区要素信息；
步骤S1402：将所述分区要素信息、所述灯光分区信息输入第二要素分析模型，获得第一分析结果；
步骤S1403：根据所述第一分析结果，获得第一展示效果；
步骤S1404：根据所述灯光分区信息，判断所述第一展示效果是否满足第一预定条件；
步骤S1405：当满足时，根据所述第一分析结果、所述第一灯光分区信息，获得第二元素信息；
步骤S1406：根据所述第二元素信息、所述第一分析结果，获得第一关联性；
步骤S1407：将所述第一关联性进行聚类分析，获得元素聚类结果；
步骤S1408：根据所述元素聚类结果，获得第二分析结果，所述第二分析结果包括至少一组元素集合；
步骤S1409：根据所述第二分析结果，获得第二展示效果；
步骤S1410：根据所述第一展示效果、所述第二展示效果，获得区域展示层次信息；
步骤S1411：根据所述区域展示层次信息，获得层次人流量设定阈值。
具体而言，所述第二要素分析模型为机器学习中的神经网络模型，通过大量训练数据的训练，将所述分区要素信息、所述灯光分区信息输入神经网络模型，获得第一分析结果，其中，所述第一分析结果表示结合各项影响因素分析出的最合理的景观灯设计思路。根据所述第一分析结果，获得第一展示效果，所述第一展示效果为景观灯设计思路的具象化表达，通过所述第一展示效果可对设计效果进行具体分析。再根据所述灯光分区信息，判断所述第一展示效果是否满足第一预定条件，所述第一预定条件为提前设定的一项标准，例如，所述第一预定条件可以是区域内夜间途径行人对景观灯满意度的调查结果，所述第一预定条件也可以是设计团队对于景观灯实际效果的预期值。当所述第一展示效果满足第一预定条件时，根据所述第一分析结果、所述第一灯光分区信息，获得第二元素信息。所述第二元素信息指景观灯设计时考虑在内的影响因素，例如所述灯光设计范围的地段、商业意义、政治意义等信息，根据所述第二元素信息、所述第一分析结果，可获得第一关联性，所述第一关联性用于表征所述第二元素信息和所述第一分析结果之间的关联程度，将所述第一关联性进行聚类分析，获得元素聚类结果。聚类分析指将数据分类到不同的类或者簇这样的一个过程，同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。根据所述元素聚类结果，获得第二分析结果，根据所述第二分析结果，可获得第二展示效果，再根据所述第一展示效果、所述第二展示效果获得区域展示层次信息，根据所述区域展示层次信息，获得层次人流量设定阈值。其中，所述第二分析结果可以看作所述第一分析结果在所述第二元素信息方面进行的完善，通过获得第二分析结果，可实现对第一分析结果的进一步调整，使得分析结果更加接近理想效果。所述区域展示层次信息用于表征分别在所述第一分析结果和所述第二分析结果下的景观灯设计效果信息，通过所述区域展示层次信息，可使更新前后的景观灯设计效果留下记录，特殊时刻可根据记录实现景观灯的不同控制。所述层次人流量设定阈值用于表征不同分析结果下的人流量设定临界值。
进一步地，本申请实施例还包括步骤S1500，其中，步骤S1500包括：
步骤S1501：通过所述图像采集器，获得第一分区图像；
步骤S1502：获得第一人流特征信息；
步骤S1503：将所述第一人流特征信息、所述第一分区图像输入人流识别模型，获得第一分区人流量；
步骤S1504：当所述第一分区人流量达到所述第一分区阈值时，获得第一启动指令，所述第一启动指令用于开启所述第一分区对应的灯光分区信息中的灯光。
具体而言，所述图像采集器与计算机端通信连接，用于采集第一分区内的人流聚集信息，通过所述图像采集器，获得第一分区图像，通过第一分区图像，可获得第一人流特征信息，所述第一人流特征信息包含但不仅限于所述第一分区内的人流密集程度、人流动向、人流行进速度和人流量等信息。所述人流识别模型为机器学习中的神经网络模型，通过大量训练数据的训练，将所述第一人流特征信息、所述第一分区图像输入人流识别模型，获得第一分区人流量，其中，所述第一分区人流量表示在特定时段内所述第一分区图像中经过的人次数量总和。通过对分区的人流进行监测和分析，获得第一分区阈值，所述第一分区阈值用于判断是否开启所述第一分区对应的灯光分区信息中的灯光，即当所述第一分区人流量达到所述第一分区阈值时，获得第一启动指令，开启所述第一分区对应的灯光分区信息中的灯光。通过对人流聚集情况进行监测，实时控制所述第一分区的灯光，实现了智能化控制景观灯的目的，进一步达到了节能减排，避免浪费资源的效果。
进一步地，本申请实施例还包括步骤S1600，其中，步骤S1600包括：
步骤S1601：获得第二分区图像，所述第二分区与所述第一分区为相邻关系；
步骤S1602：将所述第二分区图像输入人流识别模型，获得第二分区人流量；
步骤S1603：实时采集所述第二分区图像信息，获得第二分区人流预测速度；
步骤S1604：根据所述第二分区人流预测速度，获得人流抵达时间，所述人流抵达时间为所述第二分区人流抵达所述第一分区的预测时间；
步骤S1605：当所述人流抵达时间满足第二预定条件时，获得第二启动指令，所述第二启动指令用于持续执行所述第一启动指令。
具体而言，所述第二分区为所述第一分区的相邻分区，根据地形、路况等信息可将所述第二分区视为多个相邻分区或一个分区，例如，所述第一分区经过岔路口，将所述第二分区分为两端路程。当所述第二分区内的人流转移至所述第一分区，会对所述第一分区的人流量造成影响，在进行景观灯设计时要考虑到人流之间的转移量以及转移耗时等信息，通过采集不同分区的图像信息并进行交互分析，对所述第二分区的人流抵达所述第一分区的时间进行预测，当所述人流抵达时间满足第二预定条件时，获得第二启动指令，所述第二预定条件为根据所述第一分区人流量情况做出的景观灯预处理条件，可更加精准地控制景观灯的运行状态，实现基于人流聚集情况对景观灯进行合理控制。
进一步地，本申请实施例步骤S1200还包括：
步骤S1201：根据所述分区要素占比，获得第一分区要素占比；
步骤S1202：根据所述第一分区权重、所述第一分区要素占比，获得第一分区重要性；
步骤S1203：根据所述第一分区重要性、所述人流量设定阈值，获得所述第一分区阈值，其中，所述第一分区阈值与所述第一分区重要性成反比。
具体而言，所述第一分区重要性由所述第一分区权重和所述第一分区要素占比决定，当所述第一分区重要性较高，则表示所述第一分区在地理环境、商业意义及政治意义等方面具有绝对优势，侧面反映了所述第一分区在容纳人流量方面具有更大的潜力，所以，重要性越高的分区应当设置越小的阈值，通过所述第一分区阈值的高低来控制景观灯的灯光效果。例如，所述第一分区阈值越低，则灯光开启条件越低，实现了根据地区重要程度控制景观灯达到不同效果的目的。
进一步地，本申请实施例还包括步骤S1700，其中，步骤S1700包括：
步骤S1701：根据所述人流量设定阈值，获得第二设定阈值，所述第二设定阈值为阈值从大到小排序位于末位的阈值；
步骤S1702：根据所述第二设定阈值，获得第三展示效果；
步骤S1703：根据所述灯光设计方案信息，获得展示要求信息；
步骤S1704：判断所述第三展示效果是否满足所述展示要求信息中的要求；
步骤S1705：当不满足时，根据所述第三展示效果、所述展示要求信息，获得展示差值；
步骤S1706：根据所述展示差值，获得第一调整信息，所述第一调整信息用于将所述展示差值的人流量设定阈值进行调整。
具体而言，在进行景观灯运行控制时，要尽可能早地发现问题并及时调整，才能保证在人流高峰时，人们的出行便利不会受到影响。通过将阈值排序并选取最小的阈值，作为第二设定阈值，并通过所述第二设定阈值获得第三展示效果，可以根据所述第三展示结果判断当前的灯光效果是否符合预期，当不符合预期时，根据所述第三展示效果、所述展示要求信息，可获得展示差值，所述展示要求信息即预期灯光效果。根据所述展示差值，获得第一调整信息，所述第一调整信息用于将所述展示差值的人流量设定阈值进行调整，达到了及时对灯光效果进行监测并调整的目的，进一步避免了因灯光控制的不合理而影响大多数行人，实现了对于景观灯的智能化控制。
进一步地，本申请实施例步骤S500还包括：
步骤S501：根据所述灯光分区信息，获得分区展示要素信息；
步骤S502：将所述分区展示要素信息作为第一输入信息；
步骤S503：根据所述第一设计要素信息，获得要素特征信息；
步骤S504：将所述要素特征信息作为第二输入信息；
步骤S505：将所述第一输入信息和所述第二输入信息输入第一要素分析模型，其中，所述第一要素分析模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识分区要素占比的标识信息；
步骤S506：获得所述第一要素分析模型的输出信息，所述输出信息包括所述分区要素占比。
具体而言，所述第一要素分析模型通过多组训练数据训练获得，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一输入信息、所述第二输入信息和标识分区要素占比的标识信息，将所述第一输入信息、所述第二输入信息和标识分区要素占比的标识信息输入到神经网络模型中，根据用于标识分区要素占比的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的输出信息，进而达到输入所述第一输入信息、所述第二输入信息而得到所述分区要素占比目的，同时加入神经网络模型提高了数据运算处理结果的效率和准确度，为提供更加准确合适的分区要素占比夯实了基础。
综上所述，本申请实施例所提供的一种基于人流聚集情况的景观灯光设计方法具有如下技术效果：
1、本申请实施例提供了一种基于人流聚集情况的景观灯光设计方法，通过获得灯光设计范围；获得灯光设计方案信息；根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；根据所述灯光设计方案信息，获得第一设计要素信息；将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；获得灯光位置信息；根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；根据所述灯光位置信息，通过大数据获得历史人流量数据；根据所述历史人流量数据，获得人流量走势图；根据所述人流量走势图，获得人流量设定阈值；根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制，解决了现有技术中景观灯无法根据人流情况进行实时灯光控制的技术问题，本申请基于人流聚集情况对景观灯光的运作进行设计，达到了智能控制景观灯的技术目的，为行人夜间出行提供便利，进一步实现了节约能耗，避免资源浪费的技术效果。
2、将所述第一输入信息和所述第二输入信息输入第一要素分析模型，获得输出信息，其中，所述输出信息包括所述分区要素占比，所述第一要素分析模型为一机器学习模型，基于所述机器学习模型能不断学习、获取经验来处理数据的方式，使得对分区要素占比结果的获得更为准确。
实施例二
基于与前述实施例中一种基于人流聚集情况的景观灯光设计方法同样发明构思，本发明还提供了一种基于人流聚集情况的景观灯光设计系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得灯光设计范围；
第二获得单元12，所述第二获得单元12用于获得灯光设计方案信息；
第三获得单元13，所述第三获得单元13用于根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；
第四获得单元14，所述第四获得单元14用于根据所述灯光设计方案信息，获得第一设计要素信息；
第五获得单元15，所述第五获得单元15用于将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；
第六获得单元16，所述第六获得单元16用于获得灯光位置信息；
第七获得单元17，所述第七获得单元17用于根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；
第八获得单元18，所述第八获得单元18用于根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；
第九获得单元19，所述第九获得单元19用于根据所述灯光位置信息，通过大数据获得历史人流量数据；
第十获得单元20，所述第十获得单元20用于根据所述历史人流量数据，获得人流量走势图；
第十一获得单元21，所述第十一获得单元21用于根据所述人流量走势图，获得人流量设定阈值；
第十二获得单元22，所述第十二获得单元22用于根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；
第十三获得单元23，所述第十三获得单元23用于根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
进一步地，所述系统还包括：
第十四获得单元，所述第十四获得单元用于根据所述灯光分区信息，获得分区要素信息；
第十五获得单元，所述第十五获得单元用于将所述分区要素信息、所述灯光分区信息输入第二要素分析模型，获得第一分析结果；
第十六获得单元，所述第十六获得单元用于根据所述第一分析结果，获得第一展示效果；
第一判断单元，所述第一判断单元用于根据所述灯光分区信息，判断所述第一展示效果是否满足第一预定条件；
第十七获得单元，所述第十七获得单元用于当所述第一展示效果满足第一预定条件时，根据所述第一分析结果、所述第一灯光分区信息，获得第二元素信息；
第十八获得单元，所述第十八获得单元用于根据所述第二元素信息、所述第一分析结果，获得第一关联性；
第十九获得单元，所述第十九获得单元用于将所述第一关联性进行聚类分析，获得元素聚类结果；
第二十获得单元，所述第二十获得单元用于根据所述元素聚类结果，获得第二分析结果，所述第二分析结果包括至少一组元素集合；
第二十一获得单元，所述第二十一获得单元用于根据所述第二分析结果，获得第二展示效果；
第二十二获得单元，所述第二十二获得单元用于根据所述第一展示效果、所述第二展示效果，获得区域展示层次信息；
第二十三获得单元，所述第二十三获得单元用于根据所述区域展示层次信息，获得层次人流量设定阈值。
进一步地，所述装置还包括：
第二十四获得单元，所述第二十四获得单元用于通过所述图像采集器，获得第一分区图像；
第二十五获得单元，所述第二十五获得单元用于获得第一人流特征信息；
第二十六获得单元，所述第二十六获得单元用于将所述第一人流特征信息、所述第一分区图像输入人流识别模型，获得第一分区人流量；
第二十七获得单元，所述第二十七获得单元用于当所述第一分区人流量达到所述第一分区阈值时，获得第一启动指令，所述第一启动指令用于开启所述第一分区对应的灯光分区信息中的灯光。
进一步地，所述装置还包括：
第二十八获得单元，所述第二十八获得单元用于获得第二分区图像，所述第二分区与所述第一分区为相邻关系；
第二十九获得单元，所述第二十九获得单元用于将所述第二分区图像输入人流识别模型，获得第二分区人流量；
第三十获得单元，所述第三十获得单元用于实时采集所述第二分区图像信息，获得第二分区人流预测速度；
第三十一获得单元，所述第三十一获得单元用于根据所述第二分区人流预测速度，获得人流抵达时间，所述人流抵达时间为所述第二分区人流抵达所述第一分区的预测时间；
第三十二获得单元，所述第三十二获得单元用于当所述人流抵达时间满足第二预定条件时，获得第二启动指令，所述第二启动指令用于持续执行所述第一启动指令。
进一步地，所述装置还包括：
第三十三获得单元，所述第三十三获得单元用于根据所述分区要素占比，获得第一分区要素占比；
第三十四获得单元，所述第三十四获得单元用于根据所述第一分区权重、所述第一分区要素占比，获得第一分区重要性；
第三十五获得单元，所述第三十五获得单元用于根据所述第一分区重要性、所述人流量设定阈值，获得所述第一分区阈值，其中，所述第一分区阈值与所述第一分区重要性成反比。
进一步地，所述装置还包括：
第三十六获得单元，所述第三十六获得单元用于根据所述人流量设定阈值，获得第二设定阈值，所述第二设定阈值为阈值从大到小排序位于末位的阈值；
第三十七获得单元，所述第三十七获得单元用于根据所述第二设定阈值，获得第三展示效果；
第三十八获得单元，所述第三十八获得单元用于根据所述灯光设计方案信息，获得展示要求信息；
第二判断单元，所述第二判断单元用于判断所述第三展示效果是否满足所述展示要求信息中的要求；
第三十九获得单元，所述第三十九获得单元用于当不满足时，根据所述第三展示效果、所述展示要求信息，获得展示差值；
第四十获得单元，所述第四十获得单元用于根据所述展示差值，获得第一调整信息，所述第一调整信息用于将所述展示差值的人流量设定阈值进行调整。
进一步地，所述装置还包括：
第四十一获得单元，所述第四十一获得单元用于根据所述灯光分区信息，获得分区展示要素信息，并将所述分区展示要素信息作为第一输入信息；
第四十二获得单元，所述第四十二获得单元用于根据所述第一设计要素信息，获得要素特征信息，并将所述要素特征信息作为第二输入信息；
第一输入单元，所述第一输入单元用于将所述第一输入信息和所述第二输入信息输入第一要素分析模型，其中，所述第一要素分析模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识分区要素占比的标识信息；
第四十三获得单元，所述第四十三获得单元用于获得所述第一要素分析模型的输出信息，所述输出信息包括所述分区要素占比。
前述图1实施例一中的基于人流聚集情况的景观灯光设计方法和具体实例同样适用于本实施例的基于人流聚集情况的景观灯光设计系统，通过前述对基于人流聚集情况的景观灯光设计方法的详细描述，本领域技术人员可以清楚地知道本实施例中基于人流聚集情况的景观灯光设计系统，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于人流聚集情况的景观灯光设计方法的发明构思，本发明还提供一种基于人流聚集情况的景观灯光设计系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于人流聚集情况的景观灯光设计方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请提供了一种基于人流聚集情况的景观灯光设计方法，其中，所述方法包括：获得灯光设计范围；获得灯光设计方案信息；根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；根据所述灯光设计方案信息，获得第一设计要素信息；将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；获得灯光位置信息；根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；根据所述灯光位置信息，通过大数据获得历史人流量数据；根据所述历史人流量数据，获得人流量走势图；根据所述人流量走势图，获得人流量设定阈值；根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照本发明实施例的方法、设备(系统)，和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框，以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于人流聚集情况的景观灯光设计方法，其中，所述方法包括：
获得灯光设计范围；
获得灯光设计方案信息；
根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；
根据所述灯光设计方案信息，获得第一设计要素信息；
将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；
获得灯光位置信息；
根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；
根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；
根据所述灯光位置信息，通过大数据获得历史人流量数据；
根据所述历史人流量数据，获得人流量走势图；
根据所述人流量走势图，获得人流量设定阈值；
根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；
根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
2.如权利要求1所述的方法，其中，所述方法包括：
根据所述灯光分区信息，获得分区要素信息；
将所述分区要素信息、所述灯光分区信息输入第二要素分析模型，获得第一分析结果；
根据所述第一分析结果，获得第一展示效果；
根据所述灯光分区信息，判断所述第一展示效果是否满足第一预定条件；
当满足时，根据所述第一分析结果、所述灯光分区信息，获得第二元素信息；
根据所述第二元素信息、所述第一分析结果，获得第一关联性；
将所述第一关联性进行聚类分析，获得元素聚类结果；
根据所述元素聚类结果，获得第二分析结果，所述第二分析结果包括至少一组元素集合；
根据所述第二分析结果，获得第二展示效果；
根据所述第一展示效果、所述第二展示效果，获得区域展示层次信息；
根据所述区域展示层次信息，获得层次人流量设定阈值。
3.如权利要求1所述的方法，其中，所述方法应用于一人流量采集装置，所述人流量采集装置包括一图像采集器，所述方法包括：
通过所述图像采集器，获得第一分区图像；
获得第一人流特征信息；
将所述第一人流特征信息、所述第一分区图像输入人流识别模型，获得第一分区人流量；
当所述第一分区人流量达到所述第一分区阈值时，获得第一启动指令，所述第一启动指令用于开启所述第一分区对应的灯光分区信息中的灯光。
4.如权利要求3所述的方法，其中，所述方法包括：
获得第二分区图像，所述第二分区与所述第一分区为相邻关系；
将所述第二分区图像输入人流识别模型，获得第二分区人流量；
实时采集所述第二分区图像信息，获得第二分区人流预测速度；
根据所述第二分区人流预测速度，获得人流抵达时间，所述人流抵达时间为所述第二分区人流抵达所述第一分区的预测时间；
当所述人流抵达时间满足第二预定条件时，获得第二启动指令，所述第二启动指令用于持续执行所述第一启动指令。
5.如权利要求1所述的方法，其中，所述根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值，包括：
根据所述分区要素占比，获得第一分区要素占比；
根据所述第一分区权重、所述第一分区要素占比，获得第一分区重要性；
根据所述第一分区重要性、所述人流量设定阈值，获得所述第一分区阈值，其中，所述第一分区阈值与所述第一分区重要性成反比。
6.如权利要求1所述的方法，其中，所述方法包括：
根据所述人流量设定阈值，获得第二设定阈值，所述第二设定阈值为阈值从大到小排序位于末位的阈值；
根据所述第二设定阈值，获得第三展示效果；
根据所述灯光设计方案信息，获得展示要求信息；
判断所述第三展示效果是否满足所述展示要求信息中的要求；
当不满足时，根据所述第三展示效果、所述展示要求信息，获得展示差值；
根据所述展示差值，获得第一调整信息，所述第一调整信息用于将所述展示差值的人流量设定阈值进行调整。
7.如权利要求1所述的方法，其中，所述将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比，包括：
根据所述灯光分区信息，获得分区展示要素信息，并将所述分区展示要素信息作为第一输入信息；
根据所述第一设计要素信息，获得要素特征信息，并将所述要素特征信息作为第二输入信息；
将所述第一输入信息和所述第二输入信息输入第一要素分析模型，其中，所述第一要素分析模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一输入信息、所述第二输入信息和标识分区要素占比的标识信息；
获得所述第一要素分析模型的输出信息，所述输出信息包括所述分区要素占比。
8.一种基于人流聚集情况的景观灯光设计系统，应用权利要求1-7任一所述方法，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得灯光设计范围；
第二获得单元，所述第二获得单元用于获得灯光设计方案信息；
第三获得单元，所述第三获得单元用于根据所述灯光设计范围、所述灯光设计方案信息，获得灯光分区信息；
第四获得单元，所述第四获得单元用于根据所述灯光设计方案信息，获得第一设计要素信息；
第五获得单元，所述第五获得单元用于将所述灯光分区信息、所述第一设计要素信息输入第一要素分析模型，获得分区要素占比；
第六获得单元，所述第六获得单元用于获得灯光位置信息；
第七获得单元，所述第七获得单元用于根据所述灯光位置信息，所述灯光设计范围，获得分区范围权重信息；
第八获得单元，所述第八获得单元用于根据所述灯光分区信息、所述分区范围权重信息，获得第一分区权重；
第九获得单元，所述第九获得单元用于根据所述灯光位置信息，通过大数据获得历史人流量数据；
第十获得单元，所述第十获得单元用于根据所述历史人流量数据，获得人流量走势图；
第十一获得单元，所述第十一获得单元用于根据所述人流量走势图，获得人流量设定阈值；
第十二获得单元，所述第十二获得单元用于根据所述分区要素占比、所述第一分区权重、所述人流量设定阈值，获得第一分区阈值；
第十三获得单元，所述第十三获得单元用于根据所述第一分区阈值，获得第一分区控制指令，所述第一分区控制指令用于按照所述第一分区阈值对该灯光分区内的灯光进行控制。
9.一种基于人流聚集情况的景观灯光设计系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
CN202110537008.1A 2021-05-17 2021-05-17 一种基于人流聚集情况的景观灯光设计方法及系统 Active CN113515888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110537008.1A CN113515888B (zh) 2021-05-17 2021-05-17 一种基于人流聚集情况的景观灯光设计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110537008.1A CN113515888B (zh) 2021-05-17 2021-05-17 一种基于人流聚集情况的景观灯光设计方法及系统

Publications (2)

Publication Number Publication Date
CN113515888A CN113515888A (zh) 2021-10-19
CN113515888B true CN113515888B (zh) 2022-04-08

Family

ID=78064349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110537008.1A Active CN113515888B (zh) 2021-05-17 2021-05-17 一种基于人流聚集情况的景观灯光设计方法及系统

Country Status (1)

Country Link
CN (1) CN113515888B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113939065B (zh) * 2021-10-30 2024-04-26 深圳市明之辉智慧科技有限公司 一种智能城市的灯光运行方法和系统
CN114745834B (zh) * 2022-05-10 2022-12-09 江苏灵敏智控科技有限公司 一种智慧路灯分区照明控制管理系统
CN116456558B (zh) * 2023-06-13 2023-09-01 广州新科佳都科技有限公司 一种地铁站内照明设备自适应控制方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017204429A1 (de) * 2017-03-16 2018-09-20 Zumtobel Lighting Gmbh Intelligente Steuerung der Lichtcharakteristik
CN108040411A (zh) * 2017-12-29 2018-05-15 安徽知创空间企业管理有限公司 针对物业的景观灯管理方法
CN110708831B (zh) * 2019-11-18 2021-05-18 武汉迪斯环境艺术设计工程有限公司 城市中央照明控制方法及系统
CN110929648B (zh) * 2019-11-22 2021-03-16 广东睿盟计算机科技有限公司 监控数据处理方法、装置、计算机设备以及存储介质
CN111654959A (zh) * 2020-06-24 2020-09-11 利亚德(成都)文旅科技有限公司 基于5g智能网关城市灯光控制系统

Also Published As

Publication number Publication date
CN113515888A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN113515888B (zh) 一种基于人流聚集情况的景观灯光设计方法及系统
CN110349407B (zh) 一种基于深度学习的区域化交通信号灯控制系统及方法
CN105869401B (zh) 一种基于不同拥挤程度的路网动态分区方法
CN110517487B (zh) 基于热力图变化识别的城市区域交通资源调控方法及系统
CN110956807B (zh) 基于多源数据与滑动窗口组合的高速公路流量预测方法
CN106504535B (zh) 一种结合重力模型与Fratar模型的交通分布预测方法
CN103530704A (zh) 一种终端空域空中交通动态容量预测系统及其方法
Arora et al. Real time traffic light control system using morphological edge detection and fuzzy logic
CN108419339A (zh) 基于LoRa技术的多功能LED智能路灯系统
JP2020528616A (ja) 画像処理方法およびシステム、記憶媒体およびコンピューティングデバイス
CN113762044A (zh) 道路识别方法、装置、计算机设备和存储介质
CN110021161B (zh) 一种交通流向的预测方法及系统
CN110309952B (zh) 一种基于通勤模型的城市就业空间布局优化辅助系统
CN108573600B (zh) 一种驾驶员行为诱导与局部交通流优化方法
CN116452374A (zh) 基于多智能体的用地规划方案自动生成与交互方法及系统
CN110288125A (zh) 一种基于手机信令数据的通勤模型建立方法及应用
Wang et al. Intelligent traffic analytics: From monitoring to controlling
Bazzan et al. ITSUMO: an agent-based simulator for ITS applications
CN116108970A (zh) 智慧城市共享单车投放及运营区规划方法和物联网系统
CN116090065B (zh) 一种基于数字孪生的智慧城市绿化设计方法及装置
CN110298483A (zh) 一种基于空间吸引度指标的区域人口预测方法与系统
Agramelal et al. Smart Street Light Control: A Review on Methods, Innovations, and Extended Applications
CN115691165A (zh) 一种交通信号灯调度方法、装置、设备及可读存储介质
Ng et al. A Hybrid intelligent traffic light system for solving traffic congestion in Hong Kong
CN114091140A (zh) 一种城市空间密度数据的网络构建方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant