CN114531757B - 一种基于自适应的灯具智能调节系统及方法 - Google Patents

一种基于自适应的灯具智能调节系统及方法 Download PDF

Info

Publication number
CN114531757B
CN114531757B CN202210410871.5A CN202210410871A CN114531757B CN 114531757 B CN114531757 B CN 114531757B CN 202210410871 A CN202210410871 A CN 202210410871A CN 114531757 B CN114531757 B CN 114531757B
Authority
CN
China
Prior art keywords
pedestrian
street lamp
road
module
adaptive
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
CN202210410871.5A
Other languages
English (en)
Other versions
CN114531757A (zh
Inventor
毕志杰
潘俊周
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.)
Qidong Shengli Optoelectronics Technology Co ltd
Original Assignee
Qidong Shengli Optoelectronics Technology Co ltd
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 Qidong Shengli Optoelectronics Technology Co ltd filed Critical Qidong Shengli Optoelectronics Technology Co ltd
Priority to CN202210410871.5A priority Critical patent/CN114531757B/zh
Publication of CN114531757A publication Critical patent/CN114531757A/zh
Application granted granted Critical
Publication of CN114531757B publication Critical patent/CN114531757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H05B47/105—Controlling the light source in response to determined parameters
    • 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

  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

本发明公开了一种基于自适应的灯具智能调节系统及方法，属于灯具智能调节技术领域。本系统包括样本区域模块、采光模块、行人预测模块、自适应偏转模块、智能调节模块；所述样本区域模块的输出端与所述采光模块的输入端相连接；所述采光模块的输出端与所述行人预测模块的输入端相连接；所述行人预测模块的输出端与所述自适应偏转模块的输入端相连接；所述自适应偏转模块的输出端与所述智能调节模块的输出端相连接，同时提供一种基于自适应的灯具智能调节方法，以保证夜间行人在出行时能够始终处于路灯的可照明范围内，避免由于路灯阴影区域的存在导致的安全事故，建立自适应的灯具智能调节，创建美好生活。

Description

一种基于自适应的灯具智能调节系统及方法
技术领域
本发明涉及灯具智能调节技术领域，具体为一种基于自适应的灯具智能调节系统及方法。
背景技术
路灯作为行人夜晚出行的重要照明灯具，其应保证在行人出行时为行人提供照明，既方便行人夜间行走，也方便来往车辆能够及时注意到行人，防止车祸事故的发生。
而在现实生活中，由于路灯的高度和间距，以及路灯的散射角度，使得两盏路灯之间往往存在一定的阴影距离，过大的阴影距离会引起行人夜间行走的不适，一方面在黑暗中容易出现不法分子，对行人的生命财产安全造成威胁；另一方面由于阴影区域的出现，会导致来往车辆出现视野盲区，容易发生交通事故，因此对路灯进行智能调节以解决路灯间形成的阴影盲区，保障行人出行安全是重中之重，而在当前，并没有相应的技术可以进行调节。
发明内容
本发明的目的在于提供一种基于自适应的灯具智能调节系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于自适应的灯具智能调节系统，该系统包括样本区域模块、采光模块、行人预测模块、自适应偏转模块、智能调节模块；
所述样本区域模块用于对任一路段进行划分，对划分后路段上的行人数量、行走速度、行进道路以及当前位置进行采集记录，并构建样本数据；所述采光模块用于获取每一路段上的路灯数据，建立每一路段上的可照明范围与无光区域；所述行人预测模块用于预测其他路段到达目标路段的行人数据，为自适应灯具的调节提供控制数据基础；所述自适应偏转模块用于路灯进行自适应偏转，以保证行人在行进过程中始终处于路灯的可照明范围内；所述智能调节模块用于实时调节其余路灯进行辅助前一路灯进行偏转，实现行人行进的安全；
所述样本区域模块的输出端与所述采光模块的输入端相连接；所述采光模块的输出端与所述行人预测模块的输入端相连接；所述行人预测模块的输出端与所述自适应偏转模块的输入端相连接；所述自适应偏转模块的输出端与所述智能调节模块的输出端相连接。
根据上述技术方案，所述样本区域模块包括区域划分单元、采集单元、数据库；
所述区域划分单元用于对任一路段进行区域划分；所述采集单元用于采集划分后的路段上的行人数量、行走速度、行进道路以及当前位置；所述数据库用于记录采集数据，构建样本数据；
所述区域划分单元的输出端与所述采集单元的输入端相连接；所述采集单元的输出端与所述数据库的输入端相连接；所述数据库的输出端与所述采光模块的输入端相连接。
根据上述技术方案，所述行人预测模块包括样本数据分析单元、行人行进预测单元；
所述样本数据分析单元用于对样本数据进行分析；所述行人行进预测单元用于预测行人行进的路线，获取行人在某一时刻到达目标路段的比例系数；
所述样本数据分析单元的输出端与所述行人行进预测单元的输入端相连接；所述行人行进预测单元的输出端与所述自适应偏转模块的输出端相连接。
根据上述技术方案，所述自适应偏转模块包括接收单元、自适应偏转单元；
所述接收单元用于接收分析处理后的行人行进数据；所述自适应偏转单元用于根据接收单元接收的数据控制路灯进行自适应偏转；
所述接收单元的输出端与所述自适应偏转单元的输入端相连接；所述自适应偏转单元的输出端与所述智能调节模块的输入端相连接。
根据上述技术方案，所述智能调节模块包括数据处理单元、智能调节单元；
所述数据处理单元用于数据处理，从而实现后序路灯的偏转以接替前序路灯的可照明范围；所述智能调节单元用于智能调节所有路灯，以保证可照明范围不间断，使得行人能够安全出行；
所述数据处理单元的输出端与所述智能调节单元的输入端相连接。
一种基于自适应的灯具智能调节方法，该方法包括以下步骤：
S1、对路段进行区域划分，获取每一路段上的行人数量、行走速度、行进道路以及当前位置；
S2、获取一路段，记为路段A，建立路段A上每盏路灯的可照明范围，并获取实时状态，计算路段A上的无光区域；
S3、根据步骤S1与S2进行计算并预测行人进入无光区域的时间，从而自适应对路灯进行偏转，调节照明角度；
S4、实时对路段A上的所有路灯进行智能控制，以保证行人行进时减少进入无光区域的时间。
根据上述技术方案，在步骤S1中，对路段进行区域划分，以每一区域至少存在E个路灯为标准，并利用摄像及传感装置采集每一路段上的行人数量、行走速度、行进道路以及当前位置。
根据上述技术方案，在步骤S2中，对一路段记为路段A，路段A上存在E个路灯，将路段A上路灯的初始状态设置为路灯垂直向下状态，即路灯中心点与路灯可照明范围的中心点在同一竖直线，此时可照明范围为一个圆，路灯散射的边缘光的切线与竖直线所成夹角记为
Figure 571392DEST_PATH_IMAGE002
；
则根据公式：
Figure DEST_PATH_IMAGE003
其中，
Figure DEST_PATH_IMAGE005
为可照明范围的半径，
Figure DEST_PATH_IMAGE007
为路灯高度；则可照明范围
Figure DEST_PATH_IMAGE009
；
则路段A上的无光区域，根据公式：
Figure 239265DEST_PATH_IMAGE010
其中，
Figure 972997DEST_PATH_IMAGE012
为无光区域总面积；
Figure 837048DEST_PATH_IMAGE014
、
Figure 854682DEST_PATH_IMAGE016
分别为路段A的长与宽。
在初始状态，设置路灯为竖直照射，则会在路灯的正下方形成一个可照明范围，而由于在实际生活中，多数情况灯具为圆形，因此在本发明中的可照射范围设置为圆形，根据勾股定理，可计算出可照明范围的半径，进而得出无光区域。
根据上述技术方案，在步骤S3中，进行计算并预测行人进入无光区域的时间还包括以下步骤：
S9-1、获取一个样本时段内的历史数据作为数据样本，所述数据样本为通往路段A的X个路段上不同时刻的行人数量，以及从X个路段上行进到路段A的行人数量；
S9-2、建立时段
Figure 129675DEST_PATH_IMAGE018
，计算所述数据样本中X个路段在
Figure DEST_PATH_IMAGE019
时段行进到路段A的行人数量的平均比例系数，则有：
Figure 334391DEST_PATH_IMAGE020
其中，
Figure 487286DEST_PATH_IMAGE022
代表数据样本中X个路段在任一天
Figure 359427DEST_PATH_IMAGE019
时段行进到路段A的行人数量的比例系数，
Figure 556053DEST_PATH_IMAGE024
代表
Figure DEST_PATH_IMAGE025
时段从X个路段上行进到路段A的行人数量，
Figure DEST_PATH_IMAGE027
代表通往路段A的X个路段上在
Figure 920170DEST_PATH_IMAGE025
时段的行人数量；
根据
Figure 126023DEST_PATH_IMAGE022
建立平均比例系数，对X个路段的平均比例系数分别记为
Figure DEST_PATH_IMAGE029
；
则可得到在
Figure 305201DEST_PATH_IMAGE018
时段的比例系数矩阵为
Figure 100002_DEST_PATH_IMAGE031
；
利用指数平滑法进行动态预测待预测日
Figure 141569DEST_PATH_IMAGE019
时段的X个路段上的比例系数；
建立指数平滑预测模型：
Figure 348908DEST_PATH_IMAGE032
其中，
Figure 827294DEST_PATH_IMAGE034
表示X个路段中的任一路段
Figure 674028DEST_PATH_IMAGE036
在
Figure 727303DEST_PATH_IMAGE019
时段的比例系数的预测值，
Figure 659487DEST_PATH_IMAGE038
表示前
Figure 941564DEST_PATH_IMAGE040
天的路段
Figure 659115DEST_PATH_IMAGE036
在
Figure 634025DEST_PATH_IMAGE025
时段比例系数的实际值；
Figure 787925DEST_PATH_IMAGE042
为样本时段的天数；
Figure 122961DEST_PATH_IMAGE044
表示权重系数；
Figure 944286DEST_PATH_IMAGE046
，
Figure 90097DEST_PATH_IMAGE048
为常数，且
Figure 482026DEST_PATH_IMAGE050
；
可得出待预测日
Figure 105905DEST_PATH_IMAGE018
时段的X个路段上的各个路段的平均比例系数；
进而得到待预测日在
Figure 31005DEST_PATH_IMAGE018
时段的预测比例系数矩阵为
Figure 82137DEST_PATH_IMAGE052
；
其中，
Figure 210630DEST_PATH_IMAGE054
分别为待预测日
Figure 388933DEST_PATH_IMAGE019
时段的X个路段上的各个路段的平均比例系数；
在上述技术方案中，利用历史样本数据进行预测待预测日的数据，首先通过设置一定的时刻，即可得到在
Figure DEST_PATH_IMAGE055
时段的比例系数矩阵，根据这一矩阵再利用指数平滑法进行预测，从而得出待预测日在
Figure 106222DEST_PATH_IMAGE025
时段的预测比例系数矩阵，根据预测的比例系数，就可以得出在
Figure 859415DEST_PATH_IMAGE019
时段的行人数量的预测值，指数平滑法兼容了全期平均和移动平均所长，在不舍弃过去的数据的情况下，仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。也就是说指数平滑法是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测，也就是对任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均，在本发明中，即是对实际比例系数与预测比例系数的调整。
构建指标评价体系；这里的指标评价体系可能与天气、节假日等因素有关，因为在一些特定的环境下，可能会大幅减少出行人员，在基础大幅降低的情况下，比例系数会受到一定影响；
建立两种单一评价指标，分别记为
Figure DEST_PATH_IMAGE057
；
其中
Figure DEST_PATH_IMAGE059
为
Figure 632461DEST_PATH_IMAGE018
时段的预测综合准确率评价指标；
Figure DEST_PATH_IMAGE061
为
Figure 581831DEST_PATH_IMAGE019
时段的出行人数稳定度评价指标；
构建
Figure 966676DEST_PATH_IMAGE055
时段的综合评价指标体系
Figure DEST_PATH_IMAGE063
：
Figure 579185DEST_PATH_IMAGE064
其中，
Figure 416691DEST_PATH_IMAGE066
，为两种单一评价指标
Figure 186064DEST_PATH_IMAGE057
在
Figure 940262DEST_PATH_IMAGE019
时段的权重矩阵；
Figure 504099DEST_PATH_IMAGE068
为综合评价指标体系
Figure 360060DEST_PATH_IMAGE063
中每个单一评价指标在
Figure 683856DEST_PATH_IMAGE018
时段的权重系数；Y为根据综合评价指标体系
Figure 43293DEST_PATH_IMAGE063
形成的在
Figure 27298DEST_PATH_IMAGE025
时段的决策矩阵；
其中，决策矩阵
Figure DEST_PATH_IMAGE069
其中，
Figure 308238DEST_PATH_IMAGE070
;
Figure 435725DEST_PATH_IMAGE072
代表决策值，
Figure 649669DEST_PATH_IMAGE074
代表评价指标为g时，
Figure 820887DEST_PATH_IMAGE019
时段的路段i的评价值，其中g为
Figure 369549DEST_PATH_IMAGE076
；
Figure 284415DEST_PATH_IMAGE078
、
Figure 352866DEST_PATH_IMAGE080
分别为评价指标为g时，
Figure 699578DEST_PATH_IMAGE018
时段的X个路段中的评价值的最小值与最大值；
将综合评价指标体系
Figure 486269DEST_PATH_IMAGE063
代入到待预测日在
Figure 939247DEST_PATH_IMAGE019
时段的预测比例系数矩阵
Figure DEST_PATH_IMAGE081
；
即可得出评价后的待预测日在
Figure 845892DEST_PATH_IMAGE018
时段的预测比例系数矩阵，记为更新矩阵K；
则将更新矩阵K作为最终的预测比例系数矩阵进行输出。
根据上述技术方案，在步骤S3-S4中，还包括：
获取更新矩阵K；
计算得出待预测日在
Figure 358913DEST_PATH_IMAGE018
时段的行人行进到路段A的行人数量；并以
Figure 649211DEST_PATH_IMAGE019
时段的初始时刻作为行人行进到路段A的时刻；
设置无光区域直线距离为D，即两个路灯的可照明范围的外切点之间的距离，公式计算为：
Figure 905880DEST_PATH_IMAGE082
其中，
Figure 948922DEST_PATH_IMAGE084
为两个路灯的可照明范围的中心点之间的直线距离；
则第一盏路灯从行人进入后直至行人到达第二盏路灯的可照明范围时，所需花费总时长
Figure 882112DEST_PATH_IMAGE086
为：
Figure DEST_PATH_IMAGE087
其中，
Figure DEST_PATH_IMAGE089
为行人行进平均速度，
Figure DEST_PATH_IMAGE091
为第一盏路灯的可照明范围与第二盏路灯的可照明范围接触时第一盏路灯的偏转角度；
Figure DEST_PATH_IMAGE093
为路灯的偏转速度；
设置行人进入第一盏路灯的可照明范围的初始时刻为
Figure DEST_PATH_IMAGE095
；
则若存在在时刻
Figure 659706DEST_PATH_IMAGE096
之前有行人通行第一盏路灯的可照明范围时，则此时调整第一盏路灯的偏转角度，以保证行人通行时在第一盏路灯的可照明范围内；
则有新行人进入第一盏路灯的可照明范围的时刻为
Figure 720066DEST_PATH_IMAGE098
；
Figure DEST_PATH_IMAGE099
,则正常偏转；
Figure 837189DEST_PATH_IMAGE100
，则偏转角度
Figure 692012DEST_PATH_IMAGE102
如下：
Figure DEST_PATH_IMAGE103
同时，第二盏路灯朝着第一盏路灯进行偏转，偏转角度为
Figure DEST_PATH_IMAGE105
，其中，正负表示方向，以第一盏路灯向着第二盏路灯偏转的方向为正；
则此时，以行人进入第二盏路灯的可照明范围的时刻作为第二盏路灯的初始时刻，以偏转角度
Figure 861963DEST_PATH_IMAGE106
作为第二盏路灯的初始角度；
以此来对路段A上的所有路灯进行实时智能调节。
在这一部分，主要是以第一盏路灯为例，其实任一盏路灯均可作为第一盏路灯，本发明主要是选取一个参照点，所有路灯都根据这一参照点进行调节，在第一盏路灯进行偏转调整后，后续的路灯根据时间的变换也进行调整，最终实现可照明范围的接替，从而保证了行人出行时的安全。
与现有技术相比，本发明所达到的有益效果是：
本发明能够解决在夜晚出行时，由于路灯之间的距离和光照散射会存在一定无光区域，进而导致危险发生的问题，本发明提出一种基于历史样本数据进行预测出行到任一路段的行人数量和时刻，从而对第一盏路灯进行偏转，使得行人在出行时能够一直保持在可照明范围内，又由于第一盏路灯偏转后，会对后续行人的出行造成不便，因此本发明还设置有智能调节模块用于调整后续路灯帮助前序路灯进行可照明范围的接替，以保证行人行进无论先后都可以一路保持在可照明范围内，从而实现夜间出行安全，防止车祸或其他事故的发生，保障人民生命财产安全。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于自适应的灯具智能调节系统及方法的流程示意图；
图2是本发明一种基于自适应的灯具智能调节方法的步骤示意图。
具体实施方式
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，所描述的实施例仅仅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。
请参阅图1-2，本发明提供技术方案：
一种基于自适应的灯具智能调节系统，该系统包括样本区域模块、采光模块、行人预测模块、自适应偏转模块、智能调节模块；
所述样本区域模块用于对任一路段进行划分，对划分后路段上的行人数量、行走速度、行进道路以及当前位置进行采集记录，并构建样本数据；所述采光模块用于获取每一路段上的路灯数据，建立每一路段上的可照明范围与无光区域；所述行人预测模块用于预测其他路段到达目标路段的行人数据，为自适应灯具的调节提供控制数据基础；所述自适应偏转模块用于路灯进行自适应偏转，以保证行人在行进过程中始终处于路灯的可照明范围内；所述智能调节模块用于实时调节其余路灯进行辅助前一路灯进行偏转，实现行人行进的安全；
所述样本区域模块的输出端与所述采光模块的输入端相连接；所述采光模块的输出端与所述行人预测模块的输入端相连接；所述行人预测模块的输出端与所述自适应偏转模块的输入端相连接；所述自适应偏转模块的输出端与所述智能调节模块的输出端相连接。
所述样本区域模块包括区域划分单元、采集单元、数据库；
所述区域划分单元用于对任一路段进行区域划分；所述采集单元用于采集划分后的路段上的行人数量、行走速度、行进道路以及当前位置；所述数据库用于记录采集数据，构建样本数据；
所述区域划分单元的输出端与所述采集单元的输入端相连接；所述采集单元的输出端与所述数据库的输入端相连接；所述数据库的输出端与所述采光模块的输入端相连接。
所述行人预测模块包括样本数据分析单元、行人行进预测单元；
所述样本数据分析单元用于对样本数据进行分析；所述行人行进预测单元用于预测行人行进的路线，获取行人在某一时刻到达目标路段的比例系数；
所述样本数据分析单元的输出端与所述行人行进预测单元的输入端相连接；所述行人行进预测单元的输出端与所述自适应偏转模块的输出端相连接。
所述自适应偏转模块包括接收单元、自适应偏转单元；
所述接收单元用于接收分析处理后的行人行进数据；所述自适应偏转单元用于根据接收单元接收的数据控制路灯进行自适应偏转；
所述接收单元的输出端与所述自适应偏转单元的输入端相连接；所述自适应偏转单元的输出端与所述智能调节模块的输入端相连接。
所述智能调节模块包括数据处理单元、智能调节单元；
所述数据处理单元用于数据处理，从而实现后序路灯的偏转以接替前序路灯的可照明范围；所述智能调节单元用于智能调节所有路灯，以保证可照明范围不间断，使得行人能够安全出行；
所述数据处理单元的输出端与所述智能调节单元的输入端相连接。
一种基于自适应的灯具智能调节方法，该方法包括以下步骤：
S1、对路段进行区域划分，获取每一路段上的行人数量、行走速度、行进道路以及当前位置；
S2、获取一路段，记为路段A，建立路段A上每盏路灯的可照明范围，并获取实时状态，计算路段A上的无光区域；
S3、根据步骤S1与S2进行计算并预测行人进入无光区域的时间，从而自适应对路灯进行偏转，调节照明角度；
S4、实时对路段A上的所有路灯进行智能控制，以保证行人行进时减少进入无光区域的时间。
在步骤S1中，对路段进行区域划分，以每一区域至少存在E个路灯为标准，并利用摄像及传感装置采集每一路段上的行人数量、行走速度、行进道路以及当前位置。
在步骤S2中，对一路段记为路段A，路段A上存在E个路灯，将路段A上路灯的初始状态设置为路灯垂直向下状态，即路灯中心点与路灯可照明范围的中心点在同一竖直线，此时可照明范围为一个圆，路灯散射的边缘光的切线与竖直线所成夹角记为
Figure 211167DEST_PATH_IMAGE002
；
则根据公式：
Figure DEST_PATH_IMAGE107
其中，
Figure 166484DEST_PATH_IMAGE005
为可照明范围的半径，
Figure 972635DEST_PATH_IMAGE007
为路灯高度；则可照明范围
Figure 442931DEST_PATH_IMAGE108
则路段A上的无光区域，根据公式：
Figure DEST_PATH_IMAGE109
其中，
Figure 799088DEST_PATH_IMAGE012
为无光区域总面积；
Figure 405650DEST_PATH_IMAGE014
、
Figure 851544DEST_PATH_IMAGE016
分别为路段A的长与宽。
在步骤S3中，进行计算并预测行人进入无光区域的时间还包括以下步骤：
S9-1、获取一个样本时段内的历史数据作为数据样本，所述数据样本为通往路段A的X个路段上不同时刻的行人数量，以及从X个路段上行进到路段A的行人数量；
S9-2、建立时段
Figure 809135DEST_PATH_IMAGE018
，计算所述数据样本中X个路段在
Figure 749409DEST_PATH_IMAGE019
时段行进到路段A的行人数量的平均比例系数，则有：
Figure 226789DEST_PATH_IMAGE110
其中，
Figure 859896DEST_PATH_IMAGE022
代表数据样本中X个路段在任一天
Figure 288472DEST_PATH_IMAGE019
时段行进到路段A的行人数量的比例系数，
Figure 32437DEST_PATH_IMAGE024
代表
Figure 879171DEST_PATH_IMAGE025
时段从X个路段上行进到路段A的行人数量，
Figure 168332DEST_PATH_IMAGE027
代表通往路段A的X个路段上在
Figure 100516DEST_PATH_IMAGE025
时段的行人数量；
根据
Figure 382592DEST_PATH_IMAGE022
建立平均比例系数，对X个路段的平均比例系数分别记为
Figure 67521DEST_PATH_IMAGE029
；
则可得到在
Figure 42430DEST_PATH_IMAGE018
时段的比例系数矩阵为
Figure 224361DEST_PATH_IMAGE031
；
利用指数平滑法进行动态预测待预测日
Figure 310129DEST_PATH_IMAGE019
时段的X个路段上的比例系数；
建立指数平滑预测模型：
Figure DEST_PATH_IMAGE111
其中，
Figure 318405DEST_PATH_IMAGE034
表示X个路段中的任一路段
Figure 464215DEST_PATH_IMAGE036
在
Figure 105412DEST_PATH_IMAGE019
时段的比例系数的预测值，
Figure 214445DEST_PATH_IMAGE112
表示前
Figure 890277DEST_PATH_IMAGE040
天的路段
Figure 456256DEST_PATH_IMAGE036
在
Figure 584749DEST_PATH_IMAGE025
时段比例系数的实际值；
Figure 12320DEST_PATH_IMAGE042
为样本时段的天数；
Figure DEST_PATH_IMAGE113
表示权重系数；
Figure 231074DEST_PATH_IMAGE046
，
Figure 967954DEST_PATH_IMAGE048
为常数，且
Figure 583743DEST_PATH_IMAGE050
；
可得出待预测日
Figure 549425DEST_PATH_IMAGE018
时段的X个路段上的各个路段的平均比例系数；
进而得到待预测日在
Figure 950582DEST_PATH_IMAGE018
时段的预测比例系数矩阵为
Figure 609096DEST_PATH_IMAGE052
；
其中，
Figure 712182DEST_PATH_IMAGE054
分别为待预测日
Figure 730822DEST_PATH_IMAGE019
时段的X个路段上的各个路段的平均比例系数；
构建指标评价体系；
建立两种单一评价指标，分别记为
Figure 970174DEST_PATH_IMAGE114
；
其中
Figure 799589DEST_PATH_IMAGE059
为
Figure 140703DEST_PATH_IMAGE018
时段的预测综合准确率评价指标；
Figure 448188DEST_PATH_IMAGE061
为
Figure 73204DEST_PATH_IMAGE019
时段的出行人数稳定度评价指标；
构建
Figure 322789DEST_PATH_IMAGE055
时段的综合评价指标体系
Figure 134887DEST_PATH_IMAGE063
：
Figure DEST_PATH_IMAGE115
其中，
Figure 465636DEST_PATH_IMAGE066
，为两种单一评价指标
Figure 945159DEST_PATH_IMAGE114
在
Figure 100066DEST_PATH_IMAGE019
时段的权重矩阵；
Figure 399460DEST_PATH_IMAGE116
为综合评价指标体系
Figure 48747DEST_PATH_IMAGE063
中每个单一评价指标在
Figure 399088DEST_PATH_IMAGE018
时段的权重系数；Y为根据综合评价指标体系
Figure 741208DEST_PATH_IMAGE063
形成的在
Figure 527898DEST_PATH_IMAGE025
时段的决策矩阵；
其中，决策矩阵
Figure DEST_PATH_IMAGE117
其中，
Figure 698986DEST_PATH_IMAGE118
Figure 887521DEST_PATH_IMAGE072
代表决策值，
Figure 151275DEST_PATH_IMAGE074
代表评价指标为g时，
Figure 425261DEST_PATH_IMAGE019
时段的路段i的评价值，其中g为
Figure DEST_PATH_IMAGE119
；
Figure 400039DEST_PATH_IMAGE120
、
Figure DEST_PATH_IMAGE121
分别为评价指标为g时，
Figure 385358DEST_PATH_IMAGE018
时段的X个路段中的评价值的最小值与最大值；
将综合评价指标体系
Figure 69280DEST_PATH_IMAGE063
代入到待预测日在
Figure 830563DEST_PATH_IMAGE019
时段的预测比例系数矩阵
Figure 140190DEST_PATH_IMAGE122
即可得出评价后的待预测日在
Figure 772160DEST_PATH_IMAGE018
时段的预测比例系数矩阵，记为更新矩阵K；
则将更新矩阵K作为最终的预测比例系数矩阵进行输出。
在步骤S3-S4中，还包括：
获取更新矩阵K；
计算得出待预测日在
Figure 892563DEST_PATH_IMAGE018
时段的行人行进到路段A的行人数量；并以
Figure 891874DEST_PATH_IMAGE019
时段的初始时刻作为行人行进到路段A的时刻；
设置无光区域直线距离为D，即两个路灯的可照明范围的外切点之间的距离，公式计算为：
Figure DEST_PATH_IMAGE123
其中，
Figure 959187DEST_PATH_IMAGE084
为两个路灯的可照明范围的中心点之间的直线距离；
则第一盏路灯从行人进入后直至行人到达第二盏路灯的可照明范围时，所需花费总时长
Figure 960510DEST_PATH_IMAGE086
为：
Figure 251814DEST_PATH_IMAGE124
其中，
Figure DEST_PATH_IMAGE125
为行人行进平均速度，
Figure 410525DEST_PATH_IMAGE091
为第一盏路灯的可照明范围与第二盏路灯的可照明范围接触时第一盏路灯的偏转角度；
Figure 547108DEST_PATH_IMAGE093
为路灯的偏转速度；
设置行人进入第一盏路灯的可照明范围的初始时刻为
Figure 668517DEST_PATH_IMAGE095
；
则若存在在时刻
Figure 130722DEST_PATH_IMAGE126
之前有行人通行第一盏路灯的可照明范围时，则此时调整第一盏路灯的偏转角度，以保证行人通行时在第一盏路灯的可照明范围内；
则有新行人进入第一盏路灯的可照明范围的时刻为
Figure 88314DEST_PATH_IMAGE098
；
Figure DEST_PATH_IMAGE127
则正常偏转；
Figure 248162DEST_PATH_IMAGE128
则偏转角度
Figure 974810DEST_PATH_IMAGE102
如下：
Figure DEST_PATH_IMAGE129
同时，第二盏路灯朝着第一盏路灯进行偏转，偏转角度为
Figure 794867DEST_PATH_IMAGE130
其中，正负表示方向，以第一盏路灯向着第二盏路灯偏转的方向为正；
则此时，以行人进入第二盏路灯的可照明范围的时刻作为第二盏路灯的初始时刻，以偏转角度
Figure DEST_PATH_IMAGE131
作为第二盏路灯的初始角度；
以此来对路段A上的所有路灯进行实时智能调节。
在本实施例中：
设置有路段A，路段A上存在有路灯3盏；
根据模型获取得到行人1进入路段A上第一盏路灯的可照明范围的时刻为
Figure 193749DEST_PATH_IMAGE086
；行人2进入路段A上第一盏路灯的可照明范围的时刻为
Figure 937715DEST_PATH_IMAGE132
；行人3进入路段A上第一盏路灯的可照明范围的时刻为
Figure 33715DEST_PATH_IMAGE134
；
设置路灯初始偏转角度为
Figure DEST_PATH_IMAGE135
，
Figure 40986DEST_PATH_IMAGE136
为行人行进平均速度，
Figure DEST_PATH_IMAGE137
为路灯的偏转速度；
计算后得知，从行人进入第一盏路灯可照明范围后直至行人到达第二盏路灯的可照明范围时，所需花费总时长
Figure DEST_PATH_IMAGE139
为：
Figure 864847DEST_PATH_IMAGE140
Figure 927350DEST_PATH_IMAGE091
为第一盏路灯的可照明范围与第二盏路灯的可照明范围接触时第一盏路灯的偏转角度；
计算后得知
Figure DEST_PATH_IMAGE141
,正常偏转；
Figure 831852DEST_PATH_IMAGE142
，则此时偏转角度
Figure 291915DEST_PATH_IMAGE102
如下
Figure DEST_PATH_IMAGE143
同时，第二盏路灯朝着第一盏路灯进行偏转，偏转角度为
Figure 163925DEST_PATH_IMAGE105
，其中，正负表示方向，以第一盏路灯向着第二盏路灯偏转的方向为正；
则此时，以行人进入第二盏路灯的可照明范围的时刻作为第二盏路灯的初始时刻，以偏转角度
Figure 249692DEST_PATH_IMAGE106
作为第二盏路灯的初始角度；
则第三盏路灯的偏转角度也为
Figure 805439DEST_PATH_IMAGE105
；从而保证第三盏路灯的可照明范围可以接替第二盏路灯的可照明范围。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于自适应的灯具智能调节方法，其特征在于：该方法包括以下步骤：
S1、对路段进行区域划分，获取每一路段上的行人数量、行走速度、行进道路以及当前位置；
S2、获取一路段，记为路段A，建立路段A上每盏路灯的可照明范围，并获取实时状态，计算路段A上的无光区域；
S3、根据步骤S1与S2进行计算并预测行人进入无光区域的时间，从而自适应对路灯进行偏转，调节照明角度；
S4、实时对路段A上的所有路灯进行智能控制，以保证行人行进时减少进入无光区域的时间；
在步骤S1中，对路段进行区域划分，以每一区域至少存在E个路灯为标准，并利用摄像及传感装置采集每一路段上的行人数量、行走速度、行进道路以及当前位置；
在步骤S2中，对一路段记为路段A，路段A上存在E个路灯，将路段A上路灯的初始状态设置为路灯垂直向下状态，即路灯中心点与路灯可照明范围的中心点在同一竖直线，此时可照明范围为一个圆，路灯散射的边缘光的切线与竖直线所成夹角记为
Figure DEST_PATH_IMAGE001
；
则根据公式：
Figure 574957DEST_PATH_IMAGE002
其中，
Figure 182918DEST_PATH_IMAGE003
为可照明范围的半径，
Figure 315959DEST_PATH_IMAGE004
为路灯高度；则可照明范围
Figure 103786DEST_PATH_IMAGE005
；
则路段A上的无光区域，根据公式：
Figure 5883DEST_PATH_IMAGE006
其中，
Figure 283281DEST_PATH_IMAGE007
为无光区域总面积；
Figure 936241DEST_PATH_IMAGE008
、
Figure 590076DEST_PATH_IMAGE009
分别为路段A的长与宽；
在步骤S3中，进行计算并预测行人进入无光区域的时间还包括以下步骤：
S9-1、获取一个样本时段内的历史数据作为数据样本，所述数据样本为通往路段A的X个路段上不同时刻的行人数量，以及从X个路段上行进到路段A的行人数量；
S9-2、建立时段
Figure 18784DEST_PATH_IMAGE010
，计算所述数据样本中X个路段在
Figure DEST_PATH_IMAGE011
时段行进到路段A的行人数量的平均比例系数，则有：
Figure 529400DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
代表数据样本中X个路段在任一天
Figure 991693DEST_PATH_IMAGE011
时段行进到路段A的行人数量的比例系数，
Figure 183640DEST_PATH_IMAGE014
代表
Figure DEST_PATH_IMAGE015
时段从X个路段上行进到路段A的行人数量，
Figure 263591DEST_PATH_IMAGE016
代表通往路段A的X个路段上在
Figure 712152DEST_PATH_IMAGE015
时段的行人数量；
根据
Figure 775923DEST_PATH_IMAGE013
建立平均比例系数，对X个路段的平均比例系数分别记为
Figure DEST_PATH_IMAGE017
;
则可得到在
Figure 505982DEST_PATH_IMAGE010
时段的比例系数矩阵为
Figure 971598DEST_PATH_IMAGE018
;
利用指数平滑法进行动态预测待预测日
Figure 591061DEST_PATH_IMAGE011
时段的X个路段上的比例系数；
建立指数平滑预测模型：
Figure 407707DEST_PATH_IMAGE019
其中，
Figure 613560DEST_PATH_IMAGE020
表示X个路段中的任一路段
Figure DEST_PATH_IMAGE021
在
Figure 261579DEST_PATH_IMAGE011
时段的比例系数的预测值，
Figure 989626DEST_PATH_IMAGE022
表示前
Figure DEST_PATH_IMAGE023
天的路段
Figure 621465DEST_PATH_IMAGE021
在
Figure 896588DEST_PATH_IMAGE015
时段比例系数的实际值；
Figure 336797DEST_PATH_IMAGE024
为样本时段的天数；
Figure 229886DEST_PATH_IMAGE025
表示权重系数；
Figure 817862DEST_PATH_IMAGE026
;
可得出待预测日
Figure 693414DEST_PATH_IMAGE010
时段的X个路段上的各个路段的平均比例系数；
进而得到待预测日在
Figure 253708DEST_PATH_IMAGE010
时段的预测比例系数矩阵为
Figure 494197DEST_PATH_IMAGE027
;
构建指标评价体系；
建立两种单一评价指标，分别记为
Figure 8617DEST_PATH_IMAGE028
；
其中
Figure 750177DEST_PATH_IMAGE029
为
Figure 899399DEST_PATH_IMAGE010
时段的预测综合准确率评价指标；
Figure 576367DEST_PATH_IMAGE030
为
Figure 811040DEST_PATH_IMAGE011
时段的出行人数稳定度评价指标；
构建
Figure DEST_PATH_IMAGE031
时段的综合评价指标体系
Figure 388914DEST_PATH_IMAGE032
：
Figure DEST_PATH_IMAGE033
其中，
Figure 658221DEST_PATH_IMAGE034
,为两种单一评价指标
Figure 302829DEST_PATH_IMAGE028
在
Figure 791842DEST_PATH_IMAGE011
时段的权重矩阵；
Figure DEST_PATH_IMAGE035
为综合评价指标体系
Figure 671942DEST_PATH_IMAGE032
中每个单一评价指标在
Figure 733439DEST_PATH_IMAGE010
时段的权重系数；Y为根据综合评价指标体系
Figure 814527DEST_PATH_IMAGE032
形成的在
Figure 808414DEST_PATH_IMAGE015
时段的决策矩阵；
其中，决策矩阵
Figure 429888DEST_PATH_IMAGE036
Figure DEST_PATH_IMAGE037
;
Figure 142629DEST_PATH_IMAGE038
代表决策值，
Figure DEST_PATH_IMAGE039
代表评价指标为g时，
Figure 958401DEST_PATH_IMAGE011
时段的路段i的评价值，其中g为
Figure 717278DEST_PATH_IMAGE040
；
Figure DEST_PATH_IMAGE041
、
Figure 142443DEST_PATH_IMAGE042
分别为评价指标为g时，
Figure 912953DEST_PATH_IMAGE010
时段的X个路段中的评价值的最小值与最大值；
将综合评价指标体系
Figure 102888DEST_PATH_IMAGE032
代入到待预测日在
Figure 286745DEST_PATH_IMAGE011
时段的预测比例系数矩阵
Figure 250022DEST_PATH_IMAGE043
;
即可得出评价后的待预测日在
Figure 202934DEST_PATH_IMAGE010
时段的预测比例系数矩阵，记为更新矩阵K；
则将更新矩阵K作为最终的预测比例系数矩阵进行输出。
2.根据权利要求1所述的一种基于自适应的灯具智能调节方法，其特征在于：在步骤S3-S4中，还包括：
获取更新矩阵K；
预测得出待预测日在
Figure 563771DEST_PATH_IMAGE010
时段的行人行进到路段A的行人数量；并以
Figure 907027DEST_PATH_IMAGE011
时段的初始时刻作为行人行进到路段A的时刻；
则行人进入第一盏路灯的可照明范围直至行人到达第二盏路灯的可照明范围时，所需花费总时长
Figure 877257DEST_PATH_IMAGE044
为：
Figure DEST_PATH_IMAGE045
其中，
Figure 809310DEST_PATH_IMAGE046
为行人行进平均速度，
Figure DEST_PATH_IMAGE047
为第一盏路灯的可照明范围与第二盏路灯的可照明范围接触时第一盏路灯的偏转角度；
Figure 131926DEST_PATH_IMAGE048
为路灯的偏转速度；
设置行人进入第一盏路灯的可照明范围的初始时刻为
Figure DEST_PATH_IMAGE049
；
则若存在在时刻
Figure 759217DEST_PATH_IMAGE050
之前有行人通行第一盏路灯的可照明范围时，则此时调整第一盏路灯的偏转角度，以保证行人通行时在第一盏路灯的可照明范围内；
则有新行人进入第一盏路灯的可照明范围的时刻为
Figure 64296DEST_PATH_IMAGE051
；
Figure 758845DEST_PATH_IMAGE052
，则正常偏转；
Figure 694440DEST_PATH_IMAGE053
，则偏转角度
Figure 12289DEST_PATH_IMAGE054
如下：
Figure 58742DEST_PATH_IMAGE055
同时，第二盏路灯朝着第一盏路灯进行偏转，偏转角度为
Figure 903070DEST_PATH_IMAGE056
，其中，正负表示方向，以第一盏路灯向着第二盏路灯偏转的方向为正；
则此时，以行人进入第二盏路灯的可照明范围的时刻作为第二盏路灯的初始时刻，以偏转角度
Figure 511031DEST_PATH_IMAGE057
作为第二盏路灯的初始角度；
以此来对路段A上的所有路灯进行实时智能调节。
3.应用于权利要求1所述的一种基于自适应的灯具智能调节方法的一种基于自适应的灯具智能调节系统，其特征在于：该系统包括样本区域模块、采光模块、行人预测模块、自适应偏转模块、智能调节模块；
所述样本区域模块用于对任一路段进行划分，对划分后路段上的行人数量、行走速度、行进道路以及当前位置进行采集记录，并构建样本数据；所述采光模块用于获取每一路段上的路灯数据，建立每一路段上的可照明范围与无光区域；所述行人预测模块用于预测其他路段到达目标路段的行人数据，为自适应灯具的调节提供控制数据基础；所述自适应偏转模块用于路灯进行自适应偏转，以保证行人在行进过程中始终处于路灯的可照明范围内；所述智能调节模块用于实时调节其余路灯辅助前一路灯进行偏转，实现行人行进的安全；
所述样本区域模块的输出端与所述采光模块的输入端相连接；所述采光模块的输出端与所述行人预测模块的输入端相连接；所述行人预测模块的输出端与所述自适应偏转模块的输入端相连接；所述自适应偏转模块的输出端与所述智能调节模块的输入端相连接。
4.根据权利要求3所述的一种基于自适应的灯具智能调节方法的一种基于自适应的灯具智能调节系统，其特征在于：所述样本区域模块包括区域划分单元、采集单元、数据库；
所述区域划分单元用于对任一路段进行区域划分；所述采集单元用于采集划分后的路段上的行人数量、行走速度、行进道路以及当前位置；所述数据库用于记录采集数据，构建样本数据；
所述区域划分单元的输出端与所述采集单元的输入端相连接；所述采集单元的输出端与所述数据库的输入端相连接；所述数据库的输出端与所述采光模块的输入端相连接。
5.根据权利要求3所述的一种基于自适应的灯具智能调节方法的一种基于自适应的灯具智能调节系统，其特征在于：所述行人预测模块包括样本数据分析单元、行人行进预测单元；
所述样本数据分析单元用于对样本数据进行分析；所述行人行进预测单元用于预测行人行进的路线，获取行人在某一时刻到达目标路段的比例系数；
所述样本数据分析单元的输出端与所述行人行进预测单元的输入端相连接；所述行人行进预测单元的输出端与所述自适应偏转模块的输出端相连接。
6.根据权利要求3所述的一种基于自适应的灯具智能调节方法的一种基于自适应的灯具智能调节系统，其特征在于：所述自适应偏转模块包括接收单元、自适应偏转单元；
所述接收单元用于接收分析处理后的行人行进数据；所述自适应偏转单元用于根据接收单元接收的数据控制路灯进行自适应偏转；
所述接收单元的输出端与所述自适应偏转单元的输入端相连接；所述自适应偏转单元的输出端与所述智能调节模块的输入端相连接。
7.根据权利要求3所述的一种基于自适应的灯具智能调节方法的一种基于自适应的灯具智能调节系统，其特征在于：所述智能调节模块包括数据处理单元、智能调节单元；
所述数据处理单元用于数据处理，从而实现后序路灯的偏转以接替前序路灯的可照明范围；所述智能调节单元用于智能调节所有路灯，以保证可照明范围不间断，使得行人能够安全出行；
所述数据处理单元的输出端与所述智能调节单元的输入端相连接。
CN202210410871.5A 2022-04-19 2022-04-19 一种基于自适应的灯具智能调节系统及方法 Active CN114531757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210410871.5A CN114531757B (zh) 2022-04-19 2022-04-19 一种基于自适应的灯具智能调节系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210410871.5A CN114531757B (zh) 2022-04-19 2022-04-19 一种基于自适应的灯具智能调节系统及方法

Publications (2)

Publication Number Publication Date
CN114531757A CN114531757A (zh) 2022-05-24
CN114531757B true CN114531757B (zh) 2022-07-08

Family

ID=81627986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210410871.5A Active CN114531757B (zh) 2022-04-19 2022-04-19 一种基于自适应的灯具智能调节系统及方法

Country Status (1)

Country Link
CN (1) CN114531757B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104712990A (zh) * 2013-12-12 2015-06-17 西安麟字半导体照明有限公司 无灯光盲区的路灯
CN105246208A (zh) * 2015-10-30 2016-01-13 桂林信通科技有限公司 一种路灯监控控制方法及系统
CN111731195A (zh) * 2020-07-02 2020-10-02 常州九鼎车业股份有限公司 一种带有盲区灯的后视镜及组装方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106507536A (zh) * 2016-10-31 2017-03-15 南昌航空大学 一种依托环境数据分时段模糊控制路灯的照明系统和方法
CN108882484B (zh) * 2018-07-16 2020-03-17 湖州明朔光电科技有限公司 智慧路灯路段照明控制系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104712990A (zh) * 2013-12-12 2015-06-17 西安麟字半导体照明有限公司 无灯光盲区的路灯
CN105246208A (zh) * 2015-10-30 2016-01-13 桂林信通科技有限公司 一种路灯监控控制方法及系统
CN111731195A (zh) * 2020-07-02 2020-10-02 常州九鼎车业股份有限公司 一种带有盲区灯的后视镜及组装方法

Also Published As

Publication number Publication date
CN114531757A (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
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
CN106355905B (zh) 一种基于卡口数据的高架信号控制方法
CN103839415B (zh) 基于路面图像特征识别的交通流量和占有率信息获取方法
CN1062228A (zh) 控制活动物体和机关的方法和装置
CN106652483A (zh) 利用检测设备在区域公路网布设交通信息检测点的方法
CN102136194A (zh) 基于全景计算机视觉的道路交通状态检测装置
CN109345832B (zh) 一种基于深度递归神经网络的城市道路超车预测方法
CN109887283A (zh) 一种基于卡口数据的道路拥堵预测方法、系统及装置
CN111275971A (zh) 一种高速公路交通流量预测方法
CN113068293B (zh) 基于物联网和人工智能的道路亮化照明远程智能监测调控云平台
CN108648445A (zh) 基于交通大数据的动态交通态势预测方法
CN114819305B (zh) 一种基于碳排放度量尺度下的路径规划方法
CN112184523B (zh) 基于环境监测和照明引导的地铁车厢乘客诱导方法及系统
CN113487872B (zh) 一种基于大数据和人工智能的公交车通行时间预测方法
CN114531757B (zh) 一种基于自适应的灯具智能调节系统及方法
Niaki et al. Method for road lighting audit and safety screening at urban intersections
CN110909607B (zh) 一种智慧地铁运营中客流感知的装置系统
CN116167625B (zh) 一种基于深度学习的踩踏风险评估方法
CN111556635A (zh) 一种用于公园路灯的控制系统及其控制方法
CN113505346B (zh) 一种基于人工智能的城市路灯数据处理及联合调控系统
CN114913447B (zh) 基于场景识别的警务智慧指挥室系统及方法
CN114048953B (zh) 一种基于多维感知和企业数据量化的智慧风控评估方法
CN115565388A (zh) 基于多通道车辆检测与立体特征标注的交通灯控制方法
CN115099685A (zh) 一种基于多源数据的城市公交服务水平评价方法
JP2022033692A (ja) 浸水被害予測プログラム

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