CN116113112A - 路灯照明控制方法、系统、计算机设备及存储介质 - Google Patents
路灯照明控制方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116113112A CN116113112A CN202310117905.6A CN202310117905A CN116113112A CN 116113112 A CN116113112 A CN 116113112A CN 202310117905 A CN202310117905 A CN 202310117905A CN 116113112 A CN116113112 A CN 116113112A
- Authority
- CN
- China
- Prior art keywords
- road
- park
- traffic
- street lamp
- sequence
- 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
- H05B47/105—Controlling the light source in response to determined parameters
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- H05B47/16—Controlling the light source by timing means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明公开了一种路灯照明控制方法、系统、计算机设备及存储介质,所述路灯照明控制方法包括:获取园区中每条道路和总出入口的人流量历史数据;分别将总出入口和各条道路的人流量历史数据规整为人流量序列数据,且使用STL分解法分解人流量序列数据,以将人流量序列数据分解成T、S和R;在T、S和R中增加代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记,以获得S’、T’和R’;将S’、T’和R’输入Transformer模型,并将经Transformer模型后的预测结果相加;根据园区总出入口的预测人流量对各条道路预测人流量进行修正;根据修正后的最终预测人流量控制调节道路路灯的照明功率。
Description
技术领域
本发明涉及照明智能控制技术领域,更具体地涉及一种路灯照明控制方法、系统、计算机设备及存储介质。
背景技术
园区作为城市的重要元素,是人口和产业的聚集区。近年来,随着大数据、物联网等技术的不断发展升级,传统园区也正向智慧园区不断演进,而园区路灯智能照明作为智慧园区建设的关键一环,为园区智能化提供了载体。
目前,大多数园区路灯照明系统多采用回路集中控制方法,即在设定的时刻开灯与关灯,且亮度恒定,即照明功率恒定,而因整天的照明功率恒定,无法动态调整,造成巨大的电能浪费。
发明内容
本发明实施例提供了一种路灯照明控制方法、系统、计算机设备及存储介质,以实现园区路灯照明功率可根据人流量的变化动态调整,从而实现园区节能的目的。
第一方面,本发明实施例提供了一种路灯照明控制方法,其包括:
获取园区中每条道路和总出入口的人流量历史数据;
分别将总出入口的人流量历史数据和各条道路的人流量历史数据规整为人流量序列数据,且使用STL分解法分解所有获得的人流量序列数据,以将每一时刻的人流量序列数据分解成等权的趋势序列T、季节序列S和随机序列R;
收集园区的上下班高峰时间、放假日期以及每天的天气情况,且在趋势序列T、季节序列S和随机序列R中增加代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记,以获得季节序列S’、趋势序列T’和随机序列R’;
将每一季节序列S’、趋势序列T’和随机序列R’输入Transformer模型,并将各序列经Transformer模型后的预测结果相加,以获得园区总出入口的预测人流量和每条道路的预测人流量;
计算总出入口的预测人流量的误差θt以及每条道路预测人流量的误差平均值θa,若θt<θa,则根据园区总出入口的预测人流量对各条道路预测人流量进行修正;
根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制。
第二方面,本发明实施例还提供了一种路灯照明控制系统,其包括用于执行上述方法的单元。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现上述方法。
与现有技术相比,本发明通过规整获取的每条道路和总出入口的人流量历史数据,且采用STL分解法分解规整后的人流量序列数据获得三个等权的序列,分解后每一序列结合园区的上下班高峰时间、放假日期以及每天的天气情况,再通过Transformer模型对园区总出入口和每条道路的人流量进行预测,并在计算获得的总出入口的预测人流量的误差小于每条道路预测人流量的误差平均值时,根据园区总出入口的预测人流量对各条道路预测人流量进行修正,且根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制,可知,本发明可以实现对园区道路人流量的精准预测,且通过结合园区的上下班高峰时间、放假日期以及每天的天气情况可对园区道路照明进行照明时间动态调整和分时段调光控制,实现园区节能的目的,同时还可以达到降本增效的目的。
附图说明
图1是本发明实施例提供的路灯照明控制方法的流程示意图。
图2是本发明实施例提供的路灯照明控制系统的示意性框图。
图3是本发明实施例提供的计算机设备的示意性框图。
具体实施方式
为使本领域的普通技术人员更加清楚地理解本发明的目的、技术方案和优点,以下结合附图和实施例对本发明做进一步的阐述。
参照图1,图1为本发明实施例路灯照明控制方法的流程示意图。如图所示,所述路灯照明控制方法包括:
S101、计算当日的日出和日落时间,并结合当日天气确定园区路灯的开灯时间和关灯时间。
本发明中,结合日出日落时间和当日天气自适应调整园区路灯的开灯时间和关灯时间。进一步地,该步骤具体包括:使用日出日落算法根据园区所在的地理位置计算当日的日出时间TL和日落时间TC;获取当日天气,若当日天气为晴朗,则分别以日出时间TL和日落时间TC作为园区路灯的关灯时间和开灯时间;而若当日天气为雾霾、雨雪、冰雹、沙尘暴或阴天,则开灯时间Ton=TC-Δt,关灯时间Toff=TL+Δt,其中,
可知,本实施例中,以使用日出日落算法计算获得的日出时间和日落时间作为园区路灯关闭和开启的基准时间,因天气为雾霾、雨雪、冰雹、沙尘暴或阴天等天气时,路面照度平均值会低于晴朗天气,路面照明度偏低,则在雾霾、雨雪、冰雹、沙尘暴或阴天等天气时在计算获得的当天的日出时间和日落时间上结合时间偏移值Δt对园区路灯的关灯时间和开灯时间进行调整。
S102、获取园区中每条道路和总出入口的人流量历史数据。
具体地,该步骤可包括:获取园区内总出入口和所有道路的监控摄像信息,依次使用YOLOv3算法和DeepSort算法对监控摄像信息中的人流量进行检测和跟踪并计数,从而获取园区过去第一预设时间的预设时间段内各条道路和总出入口的人流量历史数据。其中,YOLOv3算法是常用的目标检测算法,而DeepSort算法是基于目标检测的多目标跟踪算法。
可理解地,园区可通过在道路和总出入口设置双目摄像机,以对每条道路和总出入口处的人流量进行监测。优选地,所述第一预设时间可以为两个月,所述预设时间段可以为16:00-8:00,即可以根据园区的监控摄像信息结合YOLOv3算法和DeepSort算法可获取园区过去60天16:00-8:00各条道路和总出入口的人流量历史数据。
S103、分别将总出入口的人流量历史数据和各条道路的人流量历史数据规整为人流量序列数据,且使用STL分解法分解所有获得的人流量序列数据,以将每一时刻的人流量序列数据分解成等权的趋势序列T、季节序列S和随机序列R。
该步骤中,可根据时间将人流量历史数据规整为统一格式的人流量序列数据,再通过STL分解法对所有规整后的人流量序列数据进行分解。
本实施例中,人流量序列数据可包括时间和对应人流量,优选地,将采集数据的每个时段(例如1h内)对应的最后时刻作为时间索引,例如,若2023年1月11日20点到21点这段的人流量为100,则可以规整为2023/1/1121:00,100这种格式的人流量序列数据。
S104、收集园区的上下班高峰时间、放假日期以及每天的天气情况,且在趋势序列T、季节序列S和随机序列R中增加代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记,以获得季节序列S’、趋势序列T’和随机序列R’。
可理解地,园区道路人流量受天气、节假日等外部特征影响,天气情况来源为气象局官网,为统一量纲,大致包括晴、多云、阴、阵雨、小雨(小雪)、中雨(中雪)、大雨(大雪)、暴雨(暴雪)、雾(霾)、沙尘暴十个天气情况,并可分别用数字1-10表示。
本发明中,为了提高模型的预测精度,在进入模型预测前以时间为关联字段在趋势序列Tt、季节序列St和随机序列Rt中引入了外部特征,即将代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记融合加入至同一时刻的趋势序列Tt、季节序列St和随机序列Rt中,例如,融合加入后的最终数据为:2023/1/1121:00,1,0,5,50,则代表2023年1月11日20点到21点,是上下班高峰时间,不是假期,天气小雨,人流量为50。
S105、将每一季节序列S’、趋势序列T’和随机序列R’输入Transformer模型,并将各序列经Transformer模型后的预测结果相加,以获得园区总出入口的预测人流量和每条道路的预测人流量。
本实施例中,可将所有季节序列S’、趋势序列T’和随机序列R’以特定比例划分成训练集和测试集,并将训练集和测试集中的每个序列分别用来训练Transformer模型。
本发明的Transformer模型由3个相同子模块堆叠而成,每个子模块主要包含多头注意力机制层和全连接层,多头注意力机制层和全连接层的输出都需要进行残差连接和归一化操作。
优选地,Transformer模型首先主要对输入的序列进行特征提取,所述特征提取包括将输入序列转换为数学上的向量表达,再加入位置编码获得输入矩阵,然后输入矩阵经过3个Transformer子模块进行特征抽取,最后再外接一个全连接层,将数据维度转化到1维,从而获得每个序列的预测结果。
而所述将各序列经Transformer模型后的预测结果相加具体为:将各序列经Transformer模型后的预测结果按照相同权重相加,从而获得园区总出入口的预测人流量和每条道路的预测人流量。
S106、计算总出入口的预测人流量的误差θt以及每条道路预测人流量的误差平均值θa,若θt<θa,则根据园区总出入口的预测人流量对各条道路预测人流量进行修正。
因园区是一封闭区域,有固定的出入口,通常,一段时间内总出入口的预测人流量往往与各道路预测人流量的总和不完全相等,为了平衡两种预测结果,使各条道路的局部人流量预测结果更加准确,本发明通过总出入口的预测人流量对各道路的预测人流量进行修正。
xi∈{…-3,-2,-1,1,2,3…}; (2)
xi≥X; (3)
其中,决策变量xi为园区内第i条路上重分配的人流量;ci为每条道路的道路等级;ni为每条道路的预测人流量;δi为每条道路预测人流量的误差;α1、α2、α3为权重系数;D为各条道路预测人流量的总和与园区总出入口的预测人流量之间的差值;X为每条道路重分配的最小阈值;再使用分支定界法求得上述人流量重分配整数规划模型中决策变量xi的最优解;根据公式Q'i=Qi+xi对各条道路的预测人流量进行修正,以获得每条道路的最终预测人流量Q'i;其中Qi为每条道路的预测人流量。
可理解地,总出入口的预测人流量的误差θt以及每条道路预测人流量的误差平均值θa可以根据经Transformer模型后预测的预测人流量和从监控摄像信息中检测跟踪并计数获得的人流量历史数据计算获得。
S107、根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制。
该步骤中,所述根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率具体包括:将每条道路每个时刻的最终预测人流量与最大预设阈值和最小预设阈值进行比较,当最终预测人流量小于等于最小预设阈值,控制该道路路灯的照明功率恒为最小照明功率Pmin,当最终预测人流量大于等于最大预设阈值,控制该道路路灯的照明功率恒为最大照明功率Pmax,而当最终预测人流量在最大预设阈值和最小预设阈值之间时,根据公式P=aQ'i控制调节该道路路灯的照明功率P,其中,a为正相关系数,Pmin<P<Pmax。可知,当最终预测人流量在最大预设阈值和最小预设阈值之间时,照明功率和人流量呈线性相关。
优选地,本实施例中,所述最小预设阈值和最大预设阈值可分别为50和1000,所述最小照明功率Pmin和最大照明功率Pmax可分别为100W和350W,而在某些实施例中,上述数值可根据实际需求进行调整。
综上可知,本发明路灯照明控制方法首先结合日出日落时间和当日天气自适应调整每天的开灯时间和关灯时间,其次基于园区摄像头获取人流量历史数据,并采用STL分解法分解规整后的人流量序列数据获得三个等权的序列,分解后每一序列结合园区的上下班高峰时间、放假日期以及每天的天气情况,再通过Transformer模型对园区总出入口和每条道路的人流量进行预测,最后还根据园区总出入口的预测人流量对各条道路预测人流量进行修正,根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制,克服了目前园区智能照明方法的不足之处,实现了园区的节能,达到节能减排,降本增效的目的。
图2是本发明实施例提供的路灯照明控制系统300的示意性框图。如图2所示,对应于以上实施例的路灯照明控制方法,本发明还提供一种路灯照明控制系统300。该路灯照明控制系统300包括用于执行上述实施例路灯照明控制方法的单元,该系统可以被配置于服务器中。具体地,请参阅图2,该路灯照明控制系统300包括计算调整单元301,数据获取单元302、规整分解单元303、特征融合单元304、人流预测单元305、修正分配单元306以及调光控制单元307。
所述计算调整单元301用于计算当日的日出和日落时间,并结合当日天气确定园区路灯的开灯时间和关灯时间;优选地,使用日出日落算法根据园区所在的地理位置计算当日的日出时间和日落时间,然后结合日出日落时间和当日天气自适应调整园区路灯的开灯时间和关灯时间。
所述数据获取单元302用于获取园区中每条道路和总出入口的人流量历史数据;具体用于:获取园区内总出入口和所有道路的监控摄像信息,依次使用YOLOv3算法和DeepSort算法对监控摄像信息中的人流量进行检测和跟踪并计数,从而获取园区过去第一预设时间的预设时间段内各条道路和总出入口的人流量历史数据。其中,YOLOv3算法是常用的目标检测算法,而DeepSort算法是基于目标检测的多目标跟踪算法。
所述规整分解单元303用于分别将总出入口的人流量历史数据和各条道路的人流量历史数据规整为序列数据,且使用STL分解法分解所有获得的人流量序列数据,以将每一时刻的人流量序列数据分解成等权的趋势序列T、季节序列S和随机序列R;可理解地,可根据时间将人流量历史数据规整为统一格式的人流量序列数据,再通过STL分解法对所有规整后的人流量序列数据进行分解。本实施例中,人流量序列数据可包括时间和对应人流量。
所述特征融合单元304用于收集园区的上下班高峰时间、放假日期以及每天的天气情况,且在趋势序列Tt、季节序列St和随机序列Rt中增加代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记,以获得季节序列S’、趋势序列T’和随机序列R’;因园区道路人流量受天气、节假日等外部特征影响,为了提高模型的预测精度,在进入模型预测前以时间为关联字段在趋势序列Tt、季节序列St和随机序列Rt中引入了外部特征,即将代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记融合加入至同一时刻的趋势序列Tt、季节序列St和随机序列Rt中。
所述人流预测单元305用于将每一季节序列S’、趋势序列T’和随机序列R’输入Transformer模型,并将各序列经Transformer模型后的预测结果相加,以获得园区总出入口的预测人流量和每条道路的预测人流量;优选地,本实施例中,将序列分别用不同的并行Transformer模型进行预测;最后将不同的Transformer模型的预测值相加,得到最终的预测值。而所述将各序列经Transformer模型后的预测结果相加具体为:将各序列经Transformer模型后的预测结果按照相同权重相加,从而获得园区总出入口的预测人流量和每条道路的预测人流量。
所述修正分配单元306用于计算总出入口的预测人流量的误差θt以及每条道路预测人流量的误差平均值θa,若θt<θa,则根据园区总出入口的预测人流量对各条道路预测人流量进行修正;因园区是一封闭区域,有固定的出入口,通常,为了使各条道路的局部人流量预测结果更加准确,本发明通过总出入口的预测人流量对各道路的预测人流量进行修正。具体地,所述根据园区总出入口的预测人流量对各条道路预测人流量进行修正,包括:构建人流量重分配整数规划模型,其中,该人流量重分配整数规划模型的目标函数 约束条件为:xi∈{…-3,-2,-1,1,2,3…};以及xi≥X;其中,决策变量xi为园区内第i条路上重分配的人流量;ci为每条道路的道路等级;ni为每条道路的预测人流量;δi为每条道路预测人流量的误差;α1、α2、α3为权重系数;D为各条道路预测人流量的总和与园区总出入口的预测人流量之间的差值;X为每条道路重分配的最小阈值;再使用分支定界法求得上述人流量重分配整数规划模型中决策变量xi的最优解;根据公式Q'i=Qi+xi对各条道路的预测人流量进行修正,以获得每条道路的最终预测人流量Q'i;其中Qi为每条道路的预测人流量。
所述调光控制单元307用于根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制。优选地,所述根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率具体包括:将每条道路每个时刻的最终预测人流量与最大预设阈值和最小预设阈值进行比较,当最终预测人流量小于等于最小预设阈值,控制该道路路灯的照明功率恒为最小照明功率Pmin,当最终预测人流量大于等于最大预设阈值,控制该道路路灯的照明功率恒为最大照明功率Pmax,而当最终预测人流量在最大预设阈值和最小预设阈值之间时,根据公式P=aQ'i控制调节该道路路灯的照明功率P,其中,a为正相关系数,Pmin<P<Pmax。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述路灯照明控制系统300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述路灯照明控制系统300可以实现为一种计算机程序的形式,该计算机程序可以在如图3所示的计算机设备上运行。
请参阅图3,图3是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,该服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图3,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种路灯照明控制方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种路灯照明控制方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:计算当日的日出和日落时间,并结合当日天气确定园区路灯的开灯时间和关灯时间;获取园区中每条道路和总出入口的人流量历史数据;分别将总出入口的人流量历史数据和各条道路的人流量历史数据规整为人流量序列数据,且使用STL分解法分解所有获得的人流量序列数据,以将每一时刻的人流量序列数据分解成等权的趋势序列T、季节序列S和随机序列R;收集园区的上下班高峰时间、放假日期以及每天的天气情况,且在趋势序列Tt、季节序列St和随机序列Rt中增加代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记,以获得季节序列S’、趋势序列T’和随机序列R’;将每一季节序列S’、趋势序列T’和随机序列R’输入Transformer模型,并将各序列经Transformer模型后的预测结果相加,以获得园区总出入口的预测人流量和每条道路的预测人流量;计算总出入口的预测人流量的误差θt以及每条道路预测人流量的误差平均值θa,若θt<θa,则根据园区总出入口的预测人流量对各条道路预测人流量进行修正;根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如下步骤:计算当日的日出和日落时间,并结合当日天气确定园区路灯的开灯时间和关灯时间;获取园区中每条道路和总出入口的人流量历史数据;分别将总出入口的人流量历史数据和各条道路的人流量历史数据规整为人流量序列数据,且使用STL分解法分解所有获得的人流量序列数据,以将每一时刻的人流量序列数据分解成等权的趋势序列T、季节序列S和随机序列R;收集园区的上下班高峰时间、放假日期以及每天的天气情况,且在趋势序列Tt、季节序列St和随机序列Rt中增加代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记,以获得季节序列S’、趋势序列T’和随机序列R’;将每一季节序列S’、趋势序列T’和随机序列R’输入Transformer模型,并将各序列经Transformer模型后的预测结果相加,以获得园区总出入口的预测人流量和每条道路的预测人流量;计算总出入口的预测人流量的误差θt以及每条道路预测人流量的误差平均值θa,若θt<θa,则根据园区总出入口的预测人流量对各条道路预测人流量进行修正;根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例系统中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,客户端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,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,可轻易想到各种等效的修改或替换,这些修改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权利要求的保护范围为准。
Claims (10)
1.一种路灯照明控制方法,其特征在于,包括:
获取园区中每条道路和总出入口的人流量历史数据;
分别将总出入口的人流量历史数据和各条道路的人流量历史数据规整为人流量序列数据,且使用STL分解法分解所有获得的人流量序列数据,以将每一时刻的人流量序列数据分解成等权的趋势序列T、季节序列S和随机序列R;
收集园区的上下班高峰时间、放假日期以及每天的天气情况,且在趋势序列T、季节序列S和随机序列R中增加代表是否是上下班高峰时间、是否是放假日期以及天气情况的数字标记,以获得季节序列S’、趋势序列T’和随机序列R’;
将每一季节序列S’、趋势序列T’和随机序列R’输入Transformer模型,并将各序列经Transformer模型后的预测结果相加,以获得园区总出入口的预测人流量和每条道路的预测人流量;
计算总出入口的预测人流量的误差θt以及每条道路预测人流量的误差平均值θa,若θt<θa,则根据园区总出入口的预测人流量对各条道路预测人流量进行修正;
根据修正后的每条道路每个时刻的最终预测人流量控制调节该道路路灯的照明功率,以对园区道路路灯照明进行分时段调光控制。
2.如权利要求1所述的路灯照明控制方法,其特征在于,所述根据园区总出入口的预测人流量对各条道路预测人流量进行修正,具体包括:
xi∈{…-3,-2,-1,1,2,3…};
xi≥X;
其中,决策变量xi为园区内第i条路上重分配的人流量;ci为每条道路的道路等级;ni为每条道路的预测人流量;δi为每条道路预测人流量的误差;α1、α2、α3为权重系数;D为各条道路预测人流量的总和与园区总出入口的预测人流量之间的差值;X为每条道路重分配的最小阈值;
使用分支定界法求得上述人流量重分配整数规划模型中决策变量xi的最优解;
根据公式Q'i=Qi+xi对各条道路的预测人流量进行修正,以获得每条道路的最终预测人流量Q'i;其中Qi为每条道路的预测人流量。
3.如权利要求1所述的路灯照明控制方法,其特征在于,所述根据修正后的每条道路每个时刻的最终预设人流量控制调节该道路路灯的照明功率,具体包括:
将每条道路每个时刻的最终预测人流量与最大预设阈值和最小预设阈值进行比较,当最终预测人流量小于等于最小预设阈值,控制该道路路灯的照明功率恒为最小照明功率Pmin,当最终预测人流量大于等于最大预设阈值,控制该道路路灯的照明功率恒为最大照明功率Pmax,而当最终预测人流量在最大预设阈值和最小预设阈值之间时,根据公式P=aQ'i控制调节该道路路灯的照明功率P,其中,a为正相关系数,Pmin<P<Pmax。
4.如权利要求1所述的路灯照明控制方法,其特征在于,所述将各序列经Transformer模型后的预测结果相加,具体包括:将各序列经Transformer模型后的预测结果按照相同权重相加。
5.如权利要求1所述的路灯照明控制方法,其特征在于,所述获取园区中每条道路和总出入口的人流量历史数据,具体包括:
获取园区内总出入口和所有道路的监控摄像信息,依次使用YOLOv3算法和DeepSort算法对监控摄像信息中的人流量进行检测和跟踪并计数,从而获取园区过去第一预设时间的预设时间段内各条道路和总出入口的人流量历史数据。
6.如权利要求1所述的路灯照明控制方法,其特征在于,在所述获取园区中每条道路和总出入口的人流量历史数据,之前还包括:
计算当日的日出和日落时间,并结合当日天气确定园区路灯的开灯时间和关灯时间。
8.一种路灯照明控制系统,其特征在于,包括:包括用于执行如权利要求1-7任一项所述方法的单元。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310117905.6A CN116113112A (zh) | 2023-02-15 | 2023-02-15 | 路灯照明控制方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310117905.6A CN116113112A (zh) | 2023-02-15 | 2023-02-15 | 路灯照明控制方法、系统、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116113112A true CN116113112A (zh) | 2023-05-12 |
Family
ID=86259587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310117905.6A Pending CN116113112A (zh) | 2023-02-15 | 2023-02-15 | 路灯照明控制方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116113112A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116456558A (zh) * | 2023-06-13 | 2023-07-18 | 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 |
CN116867149A (zh) * | 2023-08-29 | 2023-10-10 | 山东省金海龙建工科技有限公司 | 一种基于物联网的节能型智慧路灯管理方法及系统 |
CN117255454A (zh) * | 2023-11-17 | 2023-12-19 | 广东申创光电科技有限公司 | 一种城市照明智能化的控制方法及系统 |
CN117693098A (zh) * | 2024-01-31 | 2024-03-12 | 山东高特智慧标识有限公司 | 一种应用于园区的灯光唤醒控制方法及系统 |
-
2023
- 2023-02-15 CN CN202310117905.6A patent/CN116113112A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116456558A (zh) * | 2023-06-13 | 2023-07-18 | 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 |
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 |
CN116867149A (zh) * | 2023-08-29 | 2023-10-10 | 山东省金海龙建工科技有限公司 | 一种基于物联网的节能型智慧路灯管理方法及系统 |
CN116867149B (zh) * | 2023-08-29 | 2023-11-14 | 山东省金海龙建工科技有限公司 | 一种基于物联网的节能型智慧路灯管理方法及系统 |
CN117255454A (zh) * | 2023-11-17 | 2023-12-19 | 广东申创光电科技有限公司 | 一种城市照明智能化的控制方法及系统 |
CN117255454B (zh) * | 2023-11-17 | 2024-01-16 | 广东申创光电科技有限公司 | 一种城市照明智能化的控制方法及系统 |
CN117693098A (zh) * | 2024-01-31 | 2024-03-12 | 山东高特智慧标识有限公司 | 一种应用于园区的灯光唤醒控制方法及系统 |
CN117693098B (zh) * | 2024-01-31 | 2024-04-12 | 山东高特智慧标识有限公司 | 一种应用于园区的灯光唤醒控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116113112A (zh) | 路灯照明控制方法、系统、计算机设备及存储介质 | |
US20180261085A1 (en) | Adjustment of a learning rate of q-learning used to control traffic signals | |
WO2021129086A1 (zh) | 流量预测方法、装置以及存储介质 | |
CN115802559B (zh) | 一种智慧照明控制方法、装置、计算机设备及存储介质 | |
CN115968088A (zh) | 隧道智慧调光方法、系统及计算机储存介质 | |
CN115551154B (zh) | 城市智慧路灯的智能控制系统及方法 | |
CN114677617A (zh) | 一种基于智能照明的路灯智能控制方法及装置 | |
CN109147324B (zh) | 一种基于用户反馈机制的交通拥堵概率预报的方法 | |
CN109035808A (zh) | 一种基于深度学习的红绿灯切换方法及系统 | |
CN116092294A (zh) | 一种基于Transformer与图注意力网络的高速公路交通流量预测方法 | |
CN114004339B (zh) | 一种基于宽度学习的城市照明系统调节方法、装置和存储介质 | |
CN117255454B (zh) | 一种城市照明智能化的控制方法及系统 | |
CN115860715A (zh) | 一种智慧城市路灯管控系统及方法 | |
CN112311078B (zh) | 一种基于信息融合的太阳能负载调节方法和装置 | |
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 | |
CN113971328A (zh) | 一种监控设备的布局方法 | |
CN107567141A (zh) | 基于物联网技术和大数据技术的隧道照明控制方法 | |
CN114037587A (zh) | 基于异质因果推断的城市通勤主通道多匝道网联控制方法 | |
CN113518499A (zh) | 基于大数据的智慧灯杆管理方法及装置 | |
EP4369866A1 (en) | A centralized model predictive lighting control method and a centralized prediction-based controllable street lighting system | |
EP4369867A1 (en) | A distributed model predictive lighting control method for a street zone and a distributed prediction-based controllable lighting system | |
CN109951930A (zh) | 一种照明终端控制的方法、设备及装置 | |
CN117912293B (zh) | 一种停车场智能管理系统 | |
CN110913537A (zh) | 路灯自适应调节控制方法及装置、系统、服务器 | |
CN117173895B (zh) | 一种用于城市道路自动照明调节的管理监测系统 |
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 |