CN114727463A - 一种基于智慧城市物联系统的灯光控制方法及系统 - Google Patents

一种基于智慧城市物联系统的灯光控制方法及系统 Download PDF

Info

Publication number
CN114727463A
CN114727463A CN202210413837.3A CN202210413837A CN114727463A CN 114727463 A CN114727463 A CN 114727463A CN 202210413837 A CN202210413837 A CN 202210413837A CN 114727463 A CN114727463 A CN 114727463A
Authority
CN
China
Prior art keywords
waterlogging
road
area
time sequence
particle
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.)
Granted
Application number
CN202210413837.3A
Other languages
English (en)
Other versions
CN114727463B (zh
Inventor
鲁玉婧
杜瑞明
李江涛
郑为开
李文杰
朱思宇
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.)
Jinshi Visual Digital Technology Co ltd
Original Assignee
Jinshi Visual Digital 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 Jinshi Visual Digital Technology Co ltd filed Critical Jinshi Visual Digital Technology Co ltd
Priority to CN202210413837.3A priority Critical patent/CN114727463B/zh
Publication of CN114727463A publication Critical patent/CN114727463A/zh
Application granted granted Critical
Publication of CN114727463B publication Critical patent/CN114727463B/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
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

本发明公开了一种基于智慧城市物联系统的灯光控制方法，该方法将预处理后的所述历史内涝区域降雨量的时间序列与所述积水量的时间序列输入神经网络模型进行训练获得历史内涝区域降雨量的时间序列与积水时间序列的函数映射关系；根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域；确定所述内涝道路区域的灯光设备数量和内涝道路区域的最大积水深度；当所述内涝道路区域的最大积水深度超过第一阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示，提升了智慧城市灯光控制系统以及道路系统的安全性。

Description

一种基于智慧城市物联系统的灯光控制方法及系统
技术领域
本发明属于智慧城市领域，尤其涉及一种基于智慧城市物联系统的灯光控制方法及系统。
背景技术
目前，城市路灯以及周围建筑照明作为分布范围广、数量庞大的城市公共基础设施之一，深刻影响着城市的整体面貌与形象。我国绝大多数城市路灯系统的主要用途依旧是照明，在物联网等技术的支持下，城市路灯这种覆盖面积广、数量庞大的公共设施可以被赋予更大的使命，使其成为智慧城市的一大数据收集载体。城市灯光设备将不再是孤立的照明系统，其也可以完善智慧城市采集与优化调度。
同时，由于城市化进程的加速以及全球气候剧变，城市极端暴雨天气发生频率与强度明显增加，而城市基础排水设施却更新缓慢，城市防洪排涝能力显著下降等问题却尤为突出，频发的城市严重积水、内涝现象对城市正常运转以及城市居民的生命与财产安全造成严重威肋。如何在智慧城市建设中利用物联网下的灯光设备系统提高灯光控制安全以及交通安全成为了亟待解决的技术问题。
发明内容
针对目前现有的城市基础排水设施却更新缓慢，城市防洪排涝能力显著下降等问题却尤为突出，频发的城市严重积水、内涝现象对城市正常运转以及城市居民的生命与财产安全造成严重威肋等问题，本发明采用神经网络模型对智慧城市的道路网的积水深度进行预测，可以提高灯光系统的安全性，同时采用了独立电源的备用应急指示灯，有效提高了道路指挥的效能和安全。
本发明为解决以上技术问题所采取的技术方案是：该方法包括：
一种基于智慧城市物联系统的灯光控制方法，包括以下步骤：
S1、采集历史内涝区域降雨量时间序列数据与积水时间序列数据，进行预处理；
S2、将预处理后的所述历史内涝区域降雨量的时间序列与所述积水量的时间序列输入神经网络模型进行训练获得历史内涝区域降雨量的时间序列与积水时间序列的函数映射关系；
S3、根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域；
S4、确定所述内涝道路区域的灯光设备数量和内涝道路区域的最大积水深度；
S5、当所述内涝道路区域的最大积水深度超过第一阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示。
S6、当所述内涝道路区域的灯光设备数量超过第二阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路区域的灯光设备进行断开集中供电处理，同时，开启备用应急指示灯，所述备用应急指示灯采用独立电源供电。
进一步地，所述步骤S2后，还可以采用粒子群算法对神经网络模型中历史内涝区域降雨量的时间序列的嵌入维数Ha，积水时间序列的嵌入维数Hb以及隐含层神经元节点数M进行寻优，获得粒子群优化神经网络模型，根据粒子群算法寻优结果，获得城市内涝区域降雨积水预测值。
进一步地，所述粒子群算法寻优过程包括：
S201、设置粒子群主要参数，包括粒子种群规模、惯性权重、加速常数、最大迭代数以及算法终止最小允许误差；设置神经网络基本参数，包括模型训练的最大学习迭代次数，迭代目标允许误差，学习速率，动量系数等；
S202、以随机初始化方式对粒子群的粒子速度和位置等进行初始化，以确保粒子群各粒子均匀分布于其各自可能解的取值范围；根据粒子群的随机初始化结果，进行神经网络训练；
S203、计算每个粒子的适应度，将粒子的初始适应度作为其局部最优值，将所有粒子的最佳初始适应度值作为当前的全局最优值；
S204、根据粒子的速度和位置矢量，更新每个粒子的当前飞翔速度和位置，且粒子的速度不能超过其最大飞翔速度；
S205、重复步骤S202-S203，直至达到最大迭代次数或者满足最小误差值设定条件，输出全局最优值。
进一步地，所述根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域，包括：先根据实时气象数据输入映射关系或者粒子群优化神经网络模型，获得智慧城市内涝区域降雨积水预测值；再根据所述智慧城市道路数据以及智慧城市内涝区域降雨积水预测值获得智慧城市内涝道路区域，所述内涝道路区域还包括距离道路直线距离小于第三阈值并且落入内涝区域降雨积水预测值大于第三阈值范围内的区域。
进一步地，所述适应度采用适应度函数获得，所述适应度函数为：
Figure DEST_PATH_IMAGE001
，
N为时间序列长度，
Figure DEST_PATH_IMAGE002
分别表示第j个时间点的实测值和模型预测值。
进一步地，在所述步骤S6后，还包括：S7、当检测装置检测到积水深度为0时，通知中央服务器恢复灯光设备集中供电，同时切断独立电源对备用指示灯的供电。
进一步地，所述步骤204中，所述更新公式为：
Figure DEST_PATH_IMAGE003
；
其中，i为粒子数，取值为正整数，
Figure DEST_PATH_IMAGE004
表示粒子i在t代的d维速度分量，
Figure DEST_PATH_IMAGE005
表示粒子 i在t代的d维位置分量，
Figure DEST_PATH_IMAGE006
表示粒子i在t代最优位置分量，
Figure DEST_PATH_IMAGE007
表示t代粒子群最优 位置分量，
Figure DEST_PATH_IMAGE008
表示惯性权重，
Figure DEST_PATH_IMAGE009
分别表示加速常数，
Figure DEST_PATH_IMAGE010
分别表示0至1以内的随机 数。
一种基于智慧城市物联系统的灯光控制系统，该系统包括：数据采集模块，用于采集历史内涝区域降雨量时间序列数据与积水时间序列数据，进行预处理；
模型建立模块，将预处理后的所述历史内涝区域降雨量的时间序列与所述积水量的时间序列输入神经网络模型进行训练获得历史内涝区域降雨量的时间序列与积水时间序列的函数映射关系；
区域确定模块，根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域；
深度确定模块，确定所述内涝道路区域的灯光设备数量和内涝道路区域的最大积水深度；
预警控制模块，当所述内涝道路区域的最大积水深度超过第一阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述处理器执行所述计算机程序执行一项所述基于智慧城市物联系统的灯光控制方法。
一种终端设备，包括存储器、处理器以及存储在所述所述存储器中并可在所述处理上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序执行基于智慧城市物联系统的灯光控制方法。
本发明的有益效果如下：
本发明采用神经网络模型对智慧城市的道路网的积水深度进行预测，可以提高灯光照明系统的安全性，同时，采用了独立电源的备用应急指示灯，根据预设条件，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的照明设备进行告警提示，有效提高了道路指挥控制的效能和安全。
上述说明，仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述说明和其它目的、特征及优点能够更明显易懂，特举较佳实施例，详细说明如下。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为基于智慧城市物联系统的灯光控制方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1
一种基于智慧城市物联系统的灯光控制方法，包括以下步骤：
S1、采集历史内涝区域降雨量时间序列数据与积水时间序列数据，进行预处理；
S2、将预处理后的所述历史内涝区域降雨量的时间序列与所述积水量的时间序列输入神经网络模型进行训练获得历史内涝区域降雨量的时间序列与积水时间序列的函数映射关系；
S3、根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域；
S4、确定所述内涝道路区域的灯光设备数量和内涝道路区域的最大积水深度；
S5、当所述内涝道路区域的最大积水深度超过第一阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示。
S6、当所述内涝道路区域的灯光设备数量超过第二阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路区域的灯光设备进行断开集中供电处理，同时，开启备用应急指示灯，所述备用应急指示灯采用独立电源供电。
其中，所述灯光设备包括，路灯，交通信号灯，以及道路范围内的建筑物照明设备，所述灯光设备可以被中央管理服务器或者灯光设备控制节点控制。
进一步地，所述步骤S2后，还可以采用粒子群算法对神经网络模型中历史内涝区域降雨量的时间序列的嵌入维数Ha，积水时间序列的嵌入维数Hb以及隐含层神经元节点数M进行寻优，获得粒子群优化神经网络模型，根据粒子群算法寻优结果，获得城市内涝区域降雨积水预测值。
进一步地，所述粒子群算法寻优过程包括：
S201、设置粒子群主要参数，包括粒子种群规模、惯性权重、加速常数、最大迭代数以及算法终止最小允许误差；设置神经网络基本参数，包括模型训练的最大学习迭代次数，迭代目标允许误差，学习速率，动量系数等；
S202、以随机初始化方式对粒子群的粒子速度和位置等进行初始化，以确保粒子群各粒子均匀分布于其各自可能解的取值范围；根据粒子群的随机初始化结果，进行神经网络训练；
S203、计算每个粒子的适应度，将粒子的初始适应度作为其局部最优值，将所有粒子的最佳初始适应度值作为当前的全局最优值；
S204、根据粒子的速度和位置矢量，更新每个粒子的当前飞翔速度和位置，且粒子的速度不能超过其最大飞翔速度；
S205、重复步骤S202-S203，直至达到最大迭代次数或者满足最小误差值设定条件，输出全局最优值。
进一步地，所述根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域，包括：先根据实时气象数据输入映射关系或者粒子群优化神经网络模型，获得智慧城市内涝区域降雨积水预测值；再根据所述智慧城市道路数据以及智慧城市内涝区域降雨积水预测值获得智慧城市内涝道路区域，所述内涝道路区域还包括距离道路直线距离小于第三阈值并且落入内涝区域降雨积水预测值大于第三阈值范围内的区域。
进一步地，所述适应度采用适应度函数获得，所述适应度函数为：
Figure DEST_PATH_IMAGE011
，
N为时间序列长度，
Figure 775189DEST_PATH_IMAGE002
分别表示第j个时间点的实测值和模型预测值。
进一步地，在所述步骤S6后，还包括：S7、当检测装置检测到积水深度为0时，通知中央服务器恢复灯光设备集中供电，同时切断独立电源对备用指示灯的供电。
进一步地，所述步骤204中，所述更新公式为：
Figure DEST_PATH_IMAGE012
；
其中，i为粒子数，取值为正整数，
Figure 879280DEST_PATH_IMAGE004
表示粒子i在t代的d维速度分量，
Figure 976461DEST_PATH_IMAGE005
表示粒子 i在t代的d维位置分量，
Figure 745571DEST_PATH_IMAGE006
表示粒子i在t代最优位置分量，
Figure 372993DEST_PATH_IMAGE007
表示t代粒子群最优 位置分量，
Figure 569357DEST_PATH_IMAGE008
表示惯性权重，
Figure 147975DEST_PATH_IMAGE009
分别表示加速常数，
Figure 159924DEST_PATH_IMAGE010
分别表示0至1以内的随机 数。
实施例2
一种基于智慧城市物联系统的灯光控制系统，该系统包括：数据采集模块，用于采集历史内涝区域降雨量时间序列数据与积水时间序列数据，进行预处理；
模型建立模块，将预处理后的所述历史内涝区域降雨量的时间序列与所述积水量的时间序列输入神经网络模型进行训练获得历史内涝区域降雨量的时间序列与积水时间序列的函数映射关系；
区域确定模块，根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域；
深度确定模块，确定所述内涝道路区域的灯光设备数量和内涝道路区域的最大积水深度；
预警控制模块，当所述内涝道路区域的最大积水深度超过第一阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示。
本发明的优点在于：
本发明采用神经网络模型对智慧城市的道路网的积水深度进行预测，可以提高灯光系统的安全性，同时，采用了独立电源的备用应急指示灯，根据预设条件，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示，有效提高了道路指挥的效能和安全。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于智慧城市物联系统的灯光控制方法，其特征在于，包括以下步骤：
S1、采集历史内涝区域降雨量时间序列数据与积水时间序列数据，进行预处理；
S2、将预处理后的所述历史内涝区域降雨量的时间序列与所述积水量的时间序列输入神经网络模型进行训练获得历史内涝区域降雨量的时间序列与积水时间序列的函数映射关系；
S3、根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域；
S4、确定所述内涝道路区域的灯光设备数量和内涝道路区域的最大积水深度；
S5、当所述内涝道路区域的最大积水深度超过第一阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示；
S6、当所述内涝道路区域的灯光设备数量超过第二阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路区域的灯光设备进行断开集中供电处理，同时，开启备用应急指示灯，所述备用应急指示灯采用独立电源供电。
2.根据权利要求1所述基于智慧城市物联系统的灯光控制方法，其特征在于：所述步骤S2后，还可以采用粒子群算法对神经网络模型中历史内涝区域降雨量的时间序列的嵌入维数Ha，积水时间序列的嵌入维数Hb以及隐含层神经元节点数M进行寻优，获得粒子群优化神经网络模型，根据粒子群算法寻优结果，获得城市内涝区域降雨积水预测值。
3.根据权利要求2所述基于智慧城市物联系统的灯光控制方法，其特征在于：所述粒子群算法寻优过程包括：
S201、设置粒子群主要参数，包括粒子种群规模、惯性权重、加速常数、最大迭代数以及算法终止最小允许误差；设置神经网络基本参数，包括模型训练的最大学习迭代次数，迭代目标允许误差，学习速率，动量系数等；
S202、以随机初始化方式对粒子群的粒子速度和位置等进行初始化，以确保粒子群各粒子均匀分布于其各自可能解的取值范围；根据粒子群的随机初始化结果，进行神经网络训练；
S203、计算每个粒子的适应度，将粒子的初始适应度作为其局部最优值，将所有粒子的最佳初始适应度值作为当前的全局最优值；
S204、根据粒子的速度和位置矢量，更新每个粒子的当前飞翔速度和位置，且粒子的速度不能超过其最大飞翔速度；
S205、重复步骤S202-S203，直至达到最大迭代次数或者满足最小误差值设定条件，输出全局最优值。
4.根据权利要求2所述基于智慧城市物联系统的灯光控制方法，其特征在于：所述根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域，包括：先根据实时气象数据输入映射关系或者粒子群优化神经网络模型，获得智慧城市内涝区域降雨积水预测值；再根据所述智慧城市道路数据以及智慧城市内涝区域降雨积水预测值获得智慧城市内涝道路区域，所述内涝道路区域还包括距离道路直线距离小于第三阈值并且落入内涝区域降雨积水预测值大于第三阈值范围内的区域。
5.根据权利要求3所述基于智慧城市物联系统的灯光控制方法，其特征在于：所述适应度采用适应度函数获得，所述适应度函数为：
Figure 223006DEST_PATH_IMAGE001
，
N为时间序列长度，
Figure 217637DEST_PATH_IMAGE002
分别表示第j个时间点的实测值和模型预测值。
6.根据权利要求1所述基于智慧城市物联系统的灯光控制方法，其特征在于：在所述步骤S6后，还包括：S7、当检测装置检测到积水深度为0时，通知中央服务器恢复灯光设备集中供电，同时切断独立电源对备用指示灯的供电。
7.根据权利要求1所述基于智慧城市物联系统的灯光控制方法，其特征在于：所述步骤204中，所述更新公式为：
Figure 469627DEST_PATH_IMAGE003
；
其中，i为粒子数，取值为正整数，
Figure 916920DEST_PATH_IMAGE004
表示粒子i在t代的d维速度分量，
Figure 46813DEST_PATH_IMAGE005
表示粒子i在t 代的d维位置分量，
Figure 890092DEST_PATH_IMAGE006
表示粒子i在t代最优位置分量，
Figure 47403DEST_PATH_IMAGE007
表示t代粒子群最优位置 分量，
Figure 247572DEST_PATH_IMAGE008
表示惯性权重，
Figure 40210DEST_PATH_IMAGE009
分别表示加速常数，
Figure 993122DEST_PATH_IMAGE010
分别表示0至1以内的随机数。
8.一种基于智慧城市物联系统的灯光控制系统，其特征在于：数据采集模块，用于采集历史内涝区域降雨量时间序列数据与积水时间序列数据，进行预处理；
模型建立模块，将预处理后的所述历史内涝区域降雨量的时间序列与所述积水量的时间序列输入神经网络模型进行训练获得历史内涝区域降雨量的时间序列与积水时间序列的函数映射关系；
区域确定模块，根据实时气象数据，城市道路数据结合所述函数映射关系确定智慧城市内涝道路区域；
深度确定模块，确定所述内涝道路区域的灯光设备数量和内涝道路区域的最大积水深度；
预警控制模块，当所述内涝道路区域的最大积水深度超过第一阈值时，中央管理服务器将控制指令发送至灯光设备控制结点指示内涝道路的延伸道路与正常道路交汇点的灯光设备进行告警提示。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述处理器执行所述计算机程序实施如权利要求1至7任一项所述基于智慧城市物联系统的灯光控制方法。
10.一种终端设备，包括存储器、处理器以及存储在所述所述存储器中并可在所述处理上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实施如权利要求1至7任一项所述基于智慧城市物联系统的灯光控制方法。
CN202210413837.3A 2022-04-20 2022-04-20 一种基于智慧城市物联系统的灯光控制方法及系统 Active CN114727463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210413837.3A CN114727463B (zh) 2022-04-20 2022-04-20 一种基于智慧城市物联系统的灯光控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210413837.3A CN114727463B (zh) 2022-04-20 2022-04-20 一种基于智慧城市物联系统的灯光控制方法及系统

Publications (2)

Publication Number Publication Date
CN114727463A true CN114727463A (zh) 2022-07-08
CN114727463B CN114727463B (zh) 2023-04-07

Family

ID=82243213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210413837.3A Active CN114727463B (zh) 2022-04-20 2022-04-20 一种基于智慧城市物联系统的灯光控制方法及系统

Country Status (1)

Country Link
CN (1) CN114727463B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105042496A (zh) * 2015-09-09 2015-11-11 张锦鹏 带有太阳能发电功能的路灯
CN107239575A (zh) * 2017-06-29 2017-10-10 邯郸市气象局 城市道路暴雨内涝风险分析与预警智联网服务系统及方法
CN109166330A (zh) * 2018-09-13 2019-01-08 沧州职业技术学院 一种城市低洼易内涝路段车辆防溺水预警系统
CN109377725A (zh) * 2018-12-06 2019-02-22 合肥海诺恒信息科技有限公司 一种用于城市道路内涝应急响应与调度系统
CN109791216A (zh) * 2016-09-22 2019-05-21 昕诺飞控股有限公司 借助于智能照明的泛洪定位和信号发出
CN110356275A (zh) * 2019-07-25 2019-10-22 郑州叮叮智能科技有限公司 一种地下停车场充电桩防护系统
WO2021003768A1 (zh) * 2019-07-08 2021-01-14 大连理工大学 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法
WO2021003611A1 (zh) * 2019-07-05 2021-01-14 唐山哈船科技有限公司 一种用于城市内涝后安全警示区域系统及其警示方法
US20210256828A1 (en) * 2019-11-26 2021-08-19 Patrick Lafrance Integrated fire and emergency management system
CN113743011A (zh) * 2021-08-31 2021-12-03 华中科技大学 一种基于pso-bp神经网络的设备寿命预测方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105042496A (zh) * 2015-09-09 2015-11-11 张锦鹏 带有太阳能发电功能的路灯
CN109791216A (zh) * 2016-09-22 2019-05-21 昕诺飞控股有限公司 借助于智能照明的泛洪定位和信号发出
CN107239575A (zh) * 2017-06-29 2017-10-10 邯郸市气象局 城市道路暴雨内涝风险分析与预警智联网服务系统及方法
CN109166330A (zh) * 2018-09-13 2019-01-08 沧州职业技术学院 一种城市低洼易内涝路段车辆防溺水预警系统
CN109377725A (zh) * 2018-12-06 2019-02-22 合肥海诺恒信息科技有限公司 一种用于城市道路内涝应急响应与调度系统
WO2021003611A1 (zh) * 2019-07-05 2021-01-14 唐山哈船科技有限公司 一种用于城市内涝后安全警示区域系统及其警示方法
WO2021003768A1 (zh) * 2019-07-08 2021-01-14 大连理工大学 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法
CN110356275A (zh) * 2019-07-25 2019-10-22 郑州叮叮智能科技有限公司 一种地下停车场充电桩防护系统
US20210256828A1 (en) * 2019-11-26 2021-08-19 Patrick Lafrance Integrated fire and emergency management system
CN113743011A (zh) * 2021-08-31 2021-12-03 华中科技大学 一种基于pso-bp神经网络的设备寿命预测方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张梦等: "PSO-ESN在城市内涝点降雨积水预测中的应用", 《中国农村水利水电》 *

Also Published As

Publication number Publication date
CN114727463B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
KR101092093B1 (ko) 침수 감지장치 및 이를 구비한 가로등
US20190382001A1 (en) Automated exploitation of shade-giving structures
CN104574874A (zh) 城市排水防涝综合控制系统
CN105894742A (zh) 基于实时降雨量观测地质灾害警示防范区的监测预警方法
CN110106964B (zh) 一种用于低洼变电站的智能排水辅助决策系统
CN105673359A (zh) 风电场光影评估方法、装置和系统
CN115623419B (zh) 一种用于城市湖泊流域水质监测的传感器布置优化方法
CN116600446B (zh) 一种基于物联网技术的智能路灯系统
CN106801463A (zh) 排水管的排水状态检测方法和系统
CN112671863A (zh) 一种基于边缘计算的智能航标系统
CN102982658A (zh) 基于精细化气象预报信息的电力基建气象灾害预警方法和系统
CN106205062A (zh) 一种防汛预警装置
CN114727463B (zh) 一种基于智慧城市物联系统的灯光控制方法及系统
CN112593613A (zh) 城市内涝灾害下交通网络韧性承载力评估方法
Tadrist et al. Towards Low-Cost IoT and LPWAN-Based flood forecast and monitoring system
CN105043505B (zh) 非接触式的水位探测器及水位探测方法
CN113313342A (zh) 多种自然灾害引发电网设备故障概率分析方法和系统
JP4842851B2 (ja) 温熱環境制御システム
CN110486520A (zh) 一种用于灌溉系统的智能阀门
CN106448200B (zh) 基于4g网络的防雷击隧道积水警示系统及方法
CN111486921A (zh) 一种预警发布式的警戒潮位监测装置和方法
CN111898890A (zh) 一种城市输电线路的洪涝诊断及调度方法及系统
CN106323406A (zh) 一种水位监控预警系统
Soler-Bientz et al. Evaluation of the wind shear at a site in the north-west of the Yucatán peninsula, Mexico
Daud et al. Development of Advanced Flood Detection System with IoT

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