CN114390762A - 一种基于边缘计算的自适应调光系统及其工作方法 - Google Patents
一种基于边缘计算的自适应调光系统及其工作方法 Download PDFInfo
- Publication number
- CN114390762A CN114390762A CN202210030565.9A CN202210030565A CN114390762A CN 114390762 A CN114390762 A CN 114390762A CN 202210030565 A CN202210030565 A CN 202210030565A CN 114390762 A CN114390762 A CN 114390762A
- Authority
- CN
- China
- Prior art keywords
- data
- street lamp
- edge
- intelligent
- intelligent street
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- H05B47/175—Controlling the light source by remote control
- H05B47/19—Controlling the light source by remote control via wireless transmission
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
- H05B45/10—Controlling the intensity of the light
-
- 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
- H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
- H05B45/10—Controlling the intensity of the light
- H05B45/12—Controlling the intensity of the light using optical feedback
-
- 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
-
- 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
- H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient light
-
- 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
-
- 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
- Y02B20/30—Semiconductor lamps, e.g. solid state lamps [SSL] light emitting diodes [LED] or organic LED [OLED]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了一种基于边缘计算的随机森林算法自适应调光系统,包括人机交互终端、边缘智能控制网关及智能街灯控制节点;人机交互终端包括街灯数据的远程传输可视化软件和智慧路灯后台管理控制平台;边缘智能控制网关包括边缘计算服务器、无线桥梁,边缘计算服务器通过无线桥梁连接人机交互终端及远程服务器,边缘计算服务器通过无线网络连接智能街灯控制节点;智能街灯控制节点包括集中控制板、单灯控制器、LED路灯及多路环境传感器;本发明将智慧路灯集中控制器作为边缘计算节点,充分利用其计算和存储资源的同时,减少智慧路灯网络的数据传输量,从而缓解云中心压力,提高对网络边缘设备异常检测及控制的实时性。
Description
技术领域
本发明属于路灯技术领域,具体涉及一种基于边缘计算的随机森林算法自适应调光系统及其工作方法。
背景技术
随着社会经济的发展,能源和环境之间的冲突越来越突出,改善能源消耗和改善公共设施的利用效率,建设新的智能城市,是智慧城市的重要发展方向之一。
现如今,我国以及全世界都面临能源紧缺的问题,甚至在民用电的使用上需要采取必要的节约能源手段。城市交通路灯是重要的基础设施,互联网与人工智能相结合迸发出新的火花,为城市智能化提供新的动力。
智慧路灯系统是其中关键性的公共基础设施载体。然而,规模逐渐扩大的智慧路灯系统越来越无法满足实时、安全处理任务的需求。目前,常用的路灯控制方法是采用时间控制,光控制等,其主要缺陷是后端管理的严重滞后,精度低和工作效果差。
发明内容
本发明的目的是提供一种基于边缘计算的随机森林算法自适应调光系统,以解决背景技术中所提出的缺陷或问题。
为实现上述发明目的,本发明的实施例提供一种基于边缘计算的随机森林算法自适应调光系统,其特征在于,包括人机交互终端、边缘智能控制网关及智能街灯控制节点;
所述人机交互终端包括街灯数据的远程传输可视化软件和智慧路灯后台管理控制平台;
所述边缘智能控制网关包括边缘计算服务器、无线桥梁,所述边缘计算服务器通过无线桥梁连接人机交互终端及远程服务器,所述边缘计算服务器通过无线网络连接智能街灯控制节点;
所述智能街灯控制节点包括集中控制板、单灯控制器、LED路灯及多路环境传感器;所述多路环境传感器用于对周围环境数据进行采集,所述集中控制板的输出端连接单灯控制器并通过单灯控制器控制LED路灯,所述集中控制板的输入端连接多路环境传感器,所述集中控制板通过信号传输模块双向连接边缘智能网关。
进一步的,所述集中控制板包括处理器、继电器、电流检测电路、电压取样电路、复位电路、存储器及Lora基站模块。
优选的,所述单灯控制器用于对交通路端的单灯照明PWM亮度调控。
进一步的,所述多路环境传感器至少采集到光照强度、PM2.5浓度、车流量以及时间数据。
进一步的,所述边缘计算器对集中控制板所反馈的多路环境传感器所采集到的数据进行分析,分析过程采用K-means算法实现数据的聚类,将数据参数划分为不同等级;使用LDA算法进行降维,并使用现有数据建立数据模型(K-means),建立光照等级lable;通过调节k值参数,使得类之间的间距最大,类内之间的间距最小;经过不停调整k值,确定最优K值,将所有样本数据建立簇心,形成边界清晰的分类结果,之后再通过大量处理后的数据采用随机森林算法进行数据训练,训练之后进行预测输出。
本发明的实施例另外还提供一种基于边缘计算的随机森林算法自适应调光系统的工作方法,其特征在于,包括以下过程:
(1)人机交互终端(PC端或者手机端)通过智慧路灯后台管理控制平台进行人为的照明指令的下发;边缘智能控制网关将该指令发送至智能街灯控制节点;智能街灯控制节点中的集中控制板对人机交互终端所发送的数据进行接收,并通过Lora基站模块将数据转发到单灯控制器,单灯控制器对交通路端的单灯照明的LED路灯PWM亮度调控;
(2)智能街灯控制节点中的多路环境传感器对周围环境信息数据进行采集,并将所采集到的数据反馈给边缘计算服务器,边缘计算服务器对进行本地的环境参数、交通信息数据进行分析,边缘计算服务器根据分析结果对集中控制板发送照明指令,集中控制板通过Lora基站模块对单灯控制器进行照明指令的下发,单灯控制器对交通路端的单灯照明的LED路灯PWM亮度调控。
优选的,在所述步骤(2)中,多路环境传感器采集到光照强度、PM2.5浓度,车流量以及时间数据,将数据传输至集中控制板,由边缘计算服务器进行数据分析,采用K-means算法实现数据的聚类,将数据参数划分为不同等级,进行数据预处理;使用K-means算法对特征向量即环境参数(光照强度,PM2.5浓度,车流量,时间)进行聚类分析,划分亮度等级,使用LDA算法进行降维,并使用现有数据建立数据模型(K-means),建立光照等级lable;通过特定调节k值参数,使得类之间的间距最大,类内之间的间距最小;经过不停调整k值,确定最优K值,将所有样本数据建立簇心,形成边界清晰的分类结果,之后再通过大量处理后的数据采用随机森林算法进行数据训练,训练之后进行预测输出。
本发明的上述技术方案的有益效果如下:
(1)本发明的系统及方法,使用多路无线传感网络技术收集道路环境参数,基于模糊决策控制方法,设计了一个智能路灯控制系统,实现高效按需照明。本发明的实施例的测试结果表明智能路灯控制系统可以实现智能控制和按需街灯的照明,大大减少了人力消耗和改善路灯管理和维护效率。
(2)本发明的系统及方法,采用的是基于边缘计算,使路灯控制和随机森林算法相结合,能够最大的程度上实现节能减排和智能控制。设计基于边缘计算的智慧路灯集中控制器,实现采集数据等基本功能和数据本地分析及处理的边缘处理功能,将智慧路灯集中控制器作为边缘计算节点,充分利用其计算和存储资源的同时,减少智慧路灯网络的数据传输量,从而缓解云中心压力,提高对网络边缘设备异常检测及控制的实时性。
附图说明
图1为本发明的整体设计方案。
图2为本发明的实施例中智能街灯控制节点的硬件框图。
图3为本发明的实施例中智慧路灯控制示意图。
图4为本发明的实施例中聚类结果图。
图5为本发明的实施例中边缘计算服务器中算法流程图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应作为广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
基于随机森林控制理论的智能路灯整体设计方案如下图1所示,由三部分组成:人机交互终端,边缘智能控制网关和智能街灯控制节点。其中,边缘智能控制网关主要包括无线桥梁和边界计算智能盒子;智能街灯控制节点主要包括无线桥梁,LED路灯,节点控制器,集中控制板,多路环境传感器等;人机交互操作终端实现了路灯的远程控制和街灯数据的远程传输可视化软件。
智能路灯整体设计方案:智能街灯控制节点是整个方案设计的核心部分,可分为数据采集和数据传输两部分。硬件设计如图2所示。
ARM嵌入式处理器采用带有低功耗的32位嵌入式处理器STM32F103芯片消费和高性能。智能路灯节点的软件以C语言编写。在软件设计中,采用UcosII操作系统移植微控制器,该程序是基于的操作系统下用户线程功能的实现。
本发明的一种基于边缘计算的随机森林算法自适应调光系统的工作方法如下:
(1)人机交互终端(PC端或者手机端)通过智慧路灯后台管理控制平台进行人为的照明指令的下发;边缘智能控制网关将该指令发送至智能街灯控制节点;智能街灯控制节点中的集中控制板对人机交互终端所发送的数据进行接收,并通过Lora基站模块将数据转发到单灯控制器,单灯控制器对交通路端的单灯照明的LED路灯PWM亮度调控;
(2)智能街灯控制节点中的多路环境传感器对周围环境信息数据进行采集,并将所采集到的数据反馈给边缘计算服务器,边缘计算服务器对进行本地的环境参数、交通信息数据进行分析,边缘计算服务器根据分析结果对集中控制板发送照明指令,集中控制板通过Lora基站模块对单灯控制器进行照明指令的下发,单灯控制器对交通路端的单灯照明的LED路灯PWM亮度调控。优选的,多路环境传感器采集到光照强度、PM2.5浓度,车流量以及时间数据,将数据传输至集中控制板,由边缘计算服务器进行数据分析,采用K-means算法实现数据的聚类,将数据参数划分为不同等级,进行数据预处理;使用K-means算法对特征向量即环境参数(光照强度,PM2.5浓度,车流量,时间)进行聚类分析,划分亮度等级,使用LDA算法进行降维,并使用现有数据建立数据模型(K-means),建立光照等级lable;通过特定调节k值参数,使得类之间的间距最大,类内之间的间距最小;经过不停调整k值,确定最优K值,将所有样本数据建立簇心,形成边界清晰的分类结果,之后再通过大量处理后的数据采用随机森林算法进行数据训练,训练之后进行预测输出。
本发明的智慧路灯系统当中,并没有采用云端远程控制或者本地设备等单一控制方式,而是将两者结合起来,既能通过智慧路灯后台管理控制平台在PC端或者手机端进行人为的照明指令的下发,并在集中控制板进行数据的接收,通过Lora转发到单灯控制器,实现对交通路端的单灯照明PWM亮度调控;也能通过部署在Kube Edge架构的IOT边缘设备算法,进行本地的环境参数,交通信息数据分析,对单灯控制器进行照明指令的下发,PWM亮度调控。智慧路灯控制示意图如图3所示。
采用边缘计算联合控制策略可以使得智慧路灯系统的网络节点更接近数据源,不需要上传至远程服务器,在边缘计算服务器中进行计算,处理速度大大提升,同时也能避免因为网络堵塞带来的照明指令下发延时,实现路灯调控实时性。
K-Means算法流程:
输入样本集D={x1,x2,...xm},聚类的簇树6,最大迭代次数100;
输出是簇划分C={C1,C2,...C6};
从数据集D中随机选择6个样本作为初始的6个质心向量:{μ1,μ2,...,μ6};
对于n=1,2,...,N
对于i=1,2...m,计算样本xi和各个质心向量μj(j=1,2,...6)的距离:
将xi标记最小的为所对应的类别λi。此时更新
对于j=1,2,...,k,对Cj中所有的样本点重新计算新的质心
如果所有的k个质心向量都没有发生变化,则输出簇划分C={C1,C2,...Ck}。
随机森林算法是最常用也是最强大的监督学习算法之一,它兼顾了解决回归问题和分类问题的能力。随机森林是通过集成学习的思想,将多棵决策树进行集成的算法。对于分类问题,其输出的类别是由个别树输出的众数所决定的。在回归问题中,把每一棵决策树的输出进行平均得到最终的回归结果。
随机森林算法步骤:
输入为样本集D={(x,y1),(x2,y2),...(xm,ym)},弱分类器迭代次数100。
输出为最终的强分类器f(x)
1)对于t=1,2...,T:
a)对训练集进行第t次随机采样,共采集m次,得到包含m个样本的采样集Dt;
b)用采样集Dt训练第t个决策树模型Gt(x),在训练决策树模型的节点的时候,在节点上所有的样本特征中选择一部分样本特征,在这些随机选择的部分样本特征中选择一个最优的特征来做决策树的左右子树划分。
2)分类算法预测,认定100个弱学习器投出最多票数的类别或者类别之一为最终类别。对于智慧路灯照明系统当中的边缘智能算法调光控制模块,主要采用的是LDA算法和K-means算法。在单灯控制器端的多路环境传感器采集到光照强度、PM2.5浓度,车流量以及时间等数据,将数据传输至集中控制板,由边缘计算服务器进行数据分析,采用K-means算法实现数据的聚类,将数据参数划分为不同等级,进行数据预处理。使用K-means算法对特征向量即环境参数<光照强度,PM2.5浓度,车流量,时间>进行聚类分析划分亮度等级,使用LDA算法进行降维,并使用现有数据建立数据模型(K-means),建立光照等级lable。通过特定调节k值参数,使得类之间的间距最大,类内之间的间距最小。经过不停调整k值,最终确定最终最好选择k值为4,也就是为所有样本数据建立4个簇心,可以形成4类的边界清晰分类结果,此时的轮廓系数评分为0.3641086734394867,聚类结果如图4所示。
所以最终将光照强度划分为4类,L{0,1,2,3},其中的0,1,2,3是对光照强度等级划分,映射的具体PWM光照强度百分比集合为{0,30%,60%,100%}。之后再通过大量处理后的数据采用随机森林算法进行数据训练,训练之后进行预测输出,具体算法流程如图5所示。
以上模型的具体实现步骤:
-建立边缘计算智能网关服务器节点,部署相应终端设备。
-在边缘服务器上部署Docker,并装在智能灯控算法。
-启动智能灯控算法。
-连接并调试集中控制板的和边缘计算智能网关服务节点的数据传输,并完成设置服务器与云端网关平台的网络连接以及消息订阅。
为了测试边缘智慧路灯光控模型节能效果,特使用在南通市的五个位置安放的智慧路灯收集道路环境信息,平均每10分钟收集一次环境传感器参数数据,并选择雨天,晴天和多云等不同的天气进行灯控耗能测试,最终测试结果如下表:
数据传输部分是实现收集的数据和视频的远程无线传输。无线数据传输通过低功耗无线个人区域网络通信协议采用IPv6。该协议基于TCP/IP网络架构。没有任何协议转换,它可以实现与互联网无缝连接,简化网络拓扑。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于边缘计算的随机森林算法自适应调光系统,其特征在于,包括人机交互终端、边缘智能控制网关及智能街灯控制节点;
所述人机交互终端包括街灯数据的远程传输可视化软件和智慧路灯后台管理控制平台;
所述边缘智能控制网关包括边缘计算服务器、无线桥梁,所述边缘计算服务器通过无线桥梁连接人机交互终端及远程服务器,所述边缘计算服务器通过无线网络连接智能街灯控制节点;
所述智能街灯控制节点包括集中控制板、单灯控制器、LED路灯及多路环境传感器;所述多路环境传感器用于对周围环境数据进行采集,所述集中控制板的输出端连接单灯控制器并通过单灯控制器控制LED路灯,所述集中控制板的输入端连接多路环境传感器,所述集中控制板通过信号传输模块双向连接边缘智能网关。
2.根据权利要求1所述的一种基于边缘计算的随机森林算法自适应调光系统,其特征在于,所述集中控制板包括处理器、继电器、电流检测电路、电压取样电路、复位电路、存储器及Lora基站模块。
3.根据权利要求2所述的一种基于边缘计算的随机森林算法自适应调光系统,其特征在于,所述单灯控制器用于对交通路端的单灯照明PWM亮度调控。
4.根据权利要求1所述的一种基于边缘计算的随机森林算法自适应调光系统,其特征在于,所述多路环境传感器至少采集到光照强度、PM2.5浓度、车流量以及时间数据。
5.根据权利要求1所述的一种基于边缘计算的随机森林算法自适应调光系统,其特征在于,所述边缘计算器对集中控制板所反馈的多路环境传感器所采集到的数据进行分析,分析过程采用K-means算法实现数据的聚类,将数据参数划分为不同等级;使用LDA算法进行降维,并使用现有数据建立数据模型(K-means),建立光照等级lable;通过调节k值参数,使得类之间的间距最大,类内之间的间距最小;经过不停调整k值,确定最优K值,将所有样本数据建立簇心,形成边界清晰的分类结果,之后再通过大量处理后的数据采用随机森林算法进行数据训练,训练之后进行预测输出。
6.一种根据权利要求1所述的基于边缘计算的随机森林算法自适应调光系统的工作方法,其特征在于,包括以下过程:
(1)人机交互终端(PC端或者手机端)通过智慧路灯后台管理控制平台进行人为的照明指令的下发;边缘智能控制网关将该指令发送至智能街灯控制节点;智能街灯控制节点中的集中控制板对人机交互终端所发送的数据进行接收,并通过Lora基站模块将数据转发到单灯控制器,单灯控制器对交通路端的单灯照明的LED路灯PWM亮度调控;
(2)智能街灯控制节点中的多路环境传感器对周围环境信息数据进行采集,并将所采集到的数据反馈给边缘计算服务器,边缘计算服务器对进行本地的环境参数、交通信息数据进行分析,边缘计算服务器根据分析结果对集中控制板发送照明指令,集中控制板通过Lora基站模块对单灯控制器进行照明指令的下发,单灯控制器对交通路端的单灯照明的LED路灯PWM亮度调控。
7.根据权利要求1所述的一种基于边缘计算的随机森林算法自适应调光系统的工作方法,其特征在于,在所述步骤(2)中,多路环境传感器采集到光照强度、PM2.5浓度,车流量以及时间数据,将数据传输至集中控制板,由边缘计算服务器进行数据分析,采用K-means算法实现数据的聚类,将数据参数划分为不同等级,进行数据预处理;使用K-means算法对特征向量即环境参数(光照强度,PM2.5浓度,车流量,时间)进行聚类分析,划分亮度等级,使用LDA算法进行降维,并使用现有数据建立数据模型(K-means),建立光照等级lable;通过特定调节k值参数,使得类之间的间距最大,类内之间的间距最小;经过不停调整k值,确定最优K值,将所有样本数据建立簇心,形成边界清晰的分类结果,之后再通过大量处理后的数据采用随机森林算法进行数据训练,训练之后进行预测输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210030565.9A CN114390762A (zh) | 2022-01-12 | 2022-01-12 | 一种基于边缘计算的自适应调光系统及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210030565.9A CN114390762A (zh) | 2022-01-12 | 2022-01-12 | 一种基于边缘计算的自适应调光系统及其工作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114390762A true CN114390762A (zh) | 2022-04-22 |
Family
ID=81202051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210030565.9A Pending CN114390762A (zh) | 2022-01-12 | 2022-01-12 | 一种基于边缘计算的自适应调光系统及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114390762A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117460129A (zh) * | 2023-12-25 | 2024-01-26 | 智隆(广州)网络科技有限公司 | 基于物联网驱动的节能路灯控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107205304A (zh) * | 2017-07-18 | 2017-09-26 | 欧阳培光 | 一种智慧路灯控制系统及其控制方法 |
CN107979900A (zh) * | 2016-10-25 | 2018-05-01 | 南京兆钧信息科技有限公司 | 一种基于随机森林回归预测算法的路灯智能节能方法 |
CN113312442A (zh) * | 2021-07-30 | 2021-08-27 | 景网技术有限公司 | 一种智慧城市电子地图生成方法和系统 |
CN113869482A (zh) * | 2021-07-19 | 2021-12-31 | 北京工业大学 | 一种基于深度强化学习的智慧路灯自适应节能控制方法及系统 |
-
2022
- 2022-01-12 CN CN202210030565.9A patent/CN114390762A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107979900A (zh) * | 2016-10-25 | 2018-05-01 | 南京兆钧信息科技有限公司 | 一种基于随机森林回归预测算法的路灯智能节能方法 |
CN107205304A (zh) * | 2017-07-18 | 2017-09-26 | 欧阳培光 | 一种智慧路灯控制系统及其控制方法 |
CN113869482A (zh) * | 2021-07-19 | 2021-12-31 | 北京工业大学 | 一种基于深度强化学习的智慧路灯自适应节能控制方法及系统 |
CN113312442A (zh) * | 2021-07-30 | 2021-08-27 | 景网技术有限公司 | 一种智慧城市电子地图生成方法和系统 |
Non-Patent Citations (2)
Title |
---|
周恩: "基于边缘计算的智慧路灯集中控制", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, pages 2 * |
陶奉春;陶皖;欧坤;: "基于ZigBee的自适应智慧路灯系统的设计与实现", 佳木斯大学学报(自然科学版), no. 03 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117460129A (zh) * | 2023-12-25 | 2024-01-26 | 智隆(广州)网络科技有限公司 | 基于物联网驱动的节能路灯控制方法及系统 |
CN117460129B (zh) * | 2023-12-25 | 2024-03-22 | 智隆(广州)网络科技有限公司 | 基于物联网驱动的节能路灯控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN202721876U (zh) | 一种led路灯单灯监控系统 | |
CN107454726A (zh) | 一种基于NB‑IoT的智慧路灯控制器 | |
CN114928924B (zh) | 基于城市道路管理的智能路灯控制系统 | |
CN102933006B (zh) | 数字化照明控制系统 | |
CN107333366A (zh) | 一种基于nb‑iot的智慧路灯控制系统 | |
CN102413611A (zh) | 基于物联网的路灯节能与管理系统 | |
WO2019214016A1 (zh) | 基于LoRa技术的多功能LED智能路灯系统 | |
CN110248449A (zh) | 基于NB-IoT通信方式的户外照明控制系统 | |
CN112040620A (zh) | 一种隧道照明节能感控系统 | |
CN103249232A (zh) | 一种路灯智能照明控制系统 | |
CN111263497B (zh) | 一种基于无线Mesh自组网的智能光配置系统及方法 | |
CN111372351A (zh) | 一种智慧照明控制系统 | |
CN110766590A (zh) | 一种基于深度学习的路灯预测性维护系统及方法 | |
CN103338549A (zh) | 基于物联网的自适应太阳能路灯结构 | |
CN113133160A (zh) | 一种智慧照明管理系统 | |
CN114867165A (zh) | 一种基于长短期记忆神经网络的智慧路灯控制方法 | |
CN114390762A (zh) | 一种基于边缘计算的自适应调光系统及其工作方法 | |
CN108181860A (zh) | 基于nb-iot的路灯联网的方法及控制系统 | |
CN102833913A (zh) | 智能照明管理系统 | |
CN203313474U (zh) | 一种路灯智能照明控制系统 | |
CN201986239U (zh) | 城市高架智能路灯控制系统 | |
CN106304580A (zh) | 一种景观照明远程智能控制系统 | |
CN103281827A (zh) | 一种动态反馈负载均衡的led路灯智能控制系统及方法 | |
CN109890104A (zh) | 基于云服务的具备学习能力的太阳能路灯调光控制系统 | |
CN203301804U (zh) | 基于物联网的自适应太阳能路灯 |
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 |