CN116778414A - 一种基于大数据管理的智慧路灯自动识别方法和系统 - Google Patents

Abstract

本说明书实施例提供一种基于大数据管理的智慧路灯自动识别系统，包括物联网数据获取模块、传感检测模块、发电模块、照明模块、显示模块、图像获取模块和控制模块；物联网数据获取模块用于获取物联网数；传感检测模块用于获取传感数；发电模块用于通过候选发电方式进行发电；图像获取模块用于获取道路图像；控制模块用于基于道路图像确定道路数据，基于物联网数据和传感数据确定在预设时间内候选发电方式的发电量预测值，基于道路数据和发电量预测值确定显示模块的显示策略，基于传感数据、物联网数据道路数据确定照明模块的照明策略。

Description

一种基于大数据管理的智慧路灯自动识别方法和系统

技术领域

本说明书涉及智慧照明技术领域，特别涉及一种基于大数据管理的智慧路灯自动识别的方法和系统。

背景技术

智慧路灯是指通过应用先进、高效、可靠的电力线载波通信技术和无线GPRS/CDMA通信技术等，实现对路灯的远程集中控制与管理的路灯，可以加强公共照明管理信息化建。现有的智慧路灯虽具有远程集中控制的功能，但在复杂环境如夜间环境中，控制效果和识别效果有待加强，监控范围有待提高。

针对如何提高路灯控制灵活性的问题，CN112085076A提出一种基于智慧路灯大数据的决策方法、决策装置及终端，该申请重点是通过众多智慧路灯采集的海量数据进行聚类分析，获得不同类别的智慧路灯，并判别出对应的照明控制策。但是该方法进行数据处理的计算量大，且针对不同场景和环境条件的控制精准度有待提高。

因此，希望提供一种基于大数据管理的智慧路灯自动识别系统，用于实现在不同环境下的精准控制。

发明内容

本说明书一个或多个实施例提供一种大数据管理的智慧路灯自动识别系统，所述系统包括物联网数据获取模块、传感检测模块、发电模块、照明模块、显示模块、图像获取模块和控制模块。所述物联网数据获取模块用于获取物联网数据，所述物联网数据包括气象数据和道路事故发生数据中的至少一种；所述传感检测模块用于获取传感数据，所述传感数据包括环境光强度数据和风力数据中的至少一种；所述发电模块用于通过不同候选发电方式进行发电，所述候选发电方式包括风力发电和光能发电；所述图像获取模块用于获取道路图像；所述控制模块用于：基于所述道路图像确定道路数据；基于所述物联网数据和所述传感数据，确定在预设时间内所述不同候选发电方式各自的发电量预测值；基于所述道路数据和所述发电量预测值，确定所述显示模块的显示策略；基于所述传感数据、所述物联网数据和所述道路数据，确定所述照明模块的照明策略。

本说明书实施例之一提供一种基于大数据管理的智慧路灯自动识别方法，所述方法包括：获取物联网数据，所述物联网数据包括气象数据和道路事故发生数据中的至少一种；获取传感数据，所述传感数据包括环境光强度数据和风力数据中的至少一种；通过不同候选发电方式进行发电，所述候选发电方式包括风力发电和光能发电；获取道路图像；基于所述道路图像确定道路数据；基于所述物联网数据和所述传感数据，确定在预设时间内所述不同候选发电方式各自的发电量预测值；基于所述道路数据和所述发电量预测值，确定所述显示模块的显示策略；基于所述传感数据、所述物联网数据和所述道路数据，确定所述照明模块的照明策略。

本说明书一个或多个实施例提供一种基于大数据管理的智慧路灯自动识别装置，包括处理器，所述处理器用于执行基于大数据管理的智慧路灯自动识别方法。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行基于大数据管理的智慧路灯自动识别方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的基于大数据管理的智慧路灯自动识别系统的模块图；

图2是根据本说明书一些实施例所示的基于大数据管理的智慧路灯自动识别方法的示例性流程图；

图3是根据本说明书一些实施例所示的确定发电量预测值的示意图；

图4是根据本说明书一些实施例所示的确定照明策略的示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的基于大数据管理的智慧路灯自动识别系统的示例性模块图。

如图1所示，本说明书一些实施例中提供一种基于大数据管理的智慧路灯自动识别系统。在一些实施例中，基于大数据管理的智慧路灯自动识别系统100可以包括数据物联网数据获取模块110，传感检测模块120、发电模块130、照明模块140、显示模块150、图像获取模块160以及控制模块170。

物联网数据获取模块110可以用于获取模块用于获取物联网数据，所述物联网数据包括气象数据和道路事故发生数据中的至少一种。

传感检测模块120可以用于获取传感数据，所述传感数据包括环境光强度数据和风力数据中的至少一种。

发电模块130可以用于基于候选发电方式进行发电，所述候选发电方式包括风力发电和光能发电中的至少一种。

照明模块140可以基于控制模块170确定的照明策略进行照明，其中，照明策略至少包括开启照明、关闭照明以及开启照明时的照明强度中的至少一项。

显示模块150可以基于控制模块170确定的显示策略显示预设内容，其中，像是策略可以包括开启显示模块、关闭显示模块以及显示内容中的至少一项，预设内容可以是预先设置的待显示画面，例如，广告等。

图像获取模块160可以用于获取道路图像，通常可以包括至少一个图像获取装置，例如全景摄像头等。

控制模块170可以用于基于所述道路图像确定道路数据；基于所述物联网数据和所述传感数据，确定在预设时间内所述不同候选发电方式各自的发电量预测值；基于所述道路数据和所述发电量预测值，确定所述显示模块150的显示策略；基于所述传感数据、所述物联网数据和所述道路数据，确定所述照明模块140的照明策略。

在一些实施例中，控制模块170可以基于所述道路流量数据、行人特征数据，确定显示模块的开启或关闭。

在一些实施例中，控制模块170可以基于所述环境光强度数据和所述物联网数据，通过光能发电预测模型确定预设时间内所述光能发电量预测值，所述光能发电预测模型为机器学习模型。

在一些实施例中，控制模块170可以基于所述道路图像确定车辆行进信息(所述车辆行进信息包括车辆与路灯距离、车辆转向信息、车辆行进速度中的至少一种)；基于所述传感数据、所述物联网数据、所述车辆行进信息以及所述发电量预测值，确定所述照明模块的开启或关闭。

在一些实施例中，基于大数据管理的智慧路灯自动识别系统100还可以包括通讯模块。通讯模块可以通过网络与其他外部数据源和/或外部系统进行信息交换。

关于各个模块的详细说明可参见图2-图4及其相关描述。

需要注意的是，以上对于基于大数据管理的智慧路灯自动识别系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的数据物联网数据获取模块，传感检测模块、发电模块、照明模块、显示模块、图像获取模块以及控制模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

图2是根据本说明书一些实施例所示的基于大数据管理的智慧路灯自动识别方法的示例性流程图。在一些实施例中，流程200可以由处理器执行。如图2所示，流程200包括下述步骤：

步骤210，基于道路图像确定道路数据。

道路图像是通过摄像头获取的与道路相关的图像。在一些实施例中，智慧路灯可以设置有摄像头(例如，全景摄像头)，处理器可以通过该摄像头获取智慧路灯附近的道路图像(例如，道路全景图)。

道路数据是可以反映道路情况的相关数据。在一些实施例中，道路数据可以包括道路流量数据和行人特征数据中的至少一种。

道路流量数据是可以反映智慧路灯所处位置的车流量的数据。例如，道路流量数据可以是目前通过车辆的数量。

行人特征数据是可以反映智慧路灯所处位置的人流量的数据。例如，行人特征数据可以是目前通过行人的数量。

在一些实施例中，处理器可以基于道路图像识别智慧路灯附近的车流量以及人流量的相关情况，从而确定道路数据。在一些实施例中，处理器可以基于道路图像(例如，道路全景图)识别目前道路中的车流量和行人流量，从而分别确定道路流量数据和行人特征数据。

在一些实施例中，处理器也可以基于物联网数据确定道路数据。在一些实施例中，处理器可以基于的联网的车载导航数据确定车辆所处的位置，从而根据车辆位置确定智慧路灯所处位置的一定范围内的车流量。在一些实施例中，处理器可以根据联网的手机定位信息，确定行人所处的位置，从而根据行人位置确定智慧路灯所处位置的一定范围内的人流量。

步骤220，基于物联网数据和传感数据，确定在预设时间内候选发电方式的发电量预测值。

物联网数据是通过物联网获取的相关数据。在一些实施例中，物联网数据可以包括气象数据和道路事故发生数据中的至少一种。在一些实施例中，处理器可以通过网络获取来自各种传感设备的物联网数据。

气象数据是可以反映智慧路灯所处环境的天气数据。在一些实施例中，气象数据可以包括智慧路灯周围的气温、气压、湿度、降水中的至少一种。在一些实施例中，气象数据可以通过对应传感器进行检测或天气预报获取。在一些实施例中，传感器可以包括温度传感器、湿度传感器、气压检测器等。

道路事故发生数据是可以反映在至少一个路段发生的事故的相关数据。在一些实施例中，道路事故发生数据可以包括事故发生时间、事故发生地点、事故发生严重程度、事故发生视频或照片中的至少一种。在一些实施例中，道路事故发生数据可以通过摄像机或相关设备获取。

在一些实施例中，物联网数据还可以包括导航数据和/或定位数据，包括智慧路灯一定范围内的车辆的车载导航定位数据以及手机定位信息。

传感数据是通过传感器获得的发电量影响因素的相关数据。在一些实施例中，传感数据可以包括环境光强度数据和风力数据中的至少一种。

环境光强度数据是可以反映智慧路灯所处环境的光照强度的数据。在一些实施例中，环境光强度数据可以是多种光线数据的融合，例如，显示模块(如广告屏幕)的光线强度和其他路灯光线强度。在一些实施例中，环境光强度数据可以通过光线传感器获取。

风力数据是可以反映智慧路灯所处环境的风力情况的数据。在一些实施例中，风力数据可以包括风力强度、风力方向等。在一些实施例中，风力数据可以通过风力传感器获取。

在一些实施例中，智慧路灯的候选发电方式可以包括光能发电以及风力发电。其中，光能发电可以获取光能并转换为电能，例如，可以通过在智慧路灯上设置光伏发电板实现。风力发电可以将风的动力转换为电能，例如，可以通过在智慧路灯上设置风力发电机实现。智慧路灯的灯光以及相关设备所使用的电能均可以通过光能发电和/或风力发电获得。在一些实施例中，智慧路灯的候选发电方式可以仅包括光能发电或仅包括风力发电，也可以同时包括光能发电和风力发电。

发电量预测值是在未来一个时间段内通过候选发电方式能够获取的发电量的预测值。在一些实施例中，由于不同的候选发电方式的电能转换效率以及所需的环境条件不同，对应候选发电方式的发电量预测值也可以不同，需要针对不同的候选发电方式分别确定其对应的发电量预测值。

在一些实施例中，候选发电方式的发电量预测值可以根据候选发电方式的发电效率或相关影响因素来确定。在一些实施例中，光能发电的影响因素可以包括光照角度、光照强度、云层情况等，处理器可以根据上述影响因素确定光能发电效率从而确定发电量预测值。在一些实施例中，风能发电的影响因素可以包括风力高度、风速、风功率密度和风力发电机功率等，处理器可以根据上述影响因素确定风力发电效率从而确定发电量预测值。其中，风力发电机功率与风力发电机的参数有关，可以表示风力发电机将风力转换为电能的能力。

在一些实施例中，处理器可以通过候选发电方式对应的预测模型来确定发电量预测值。例如，可以通过光能发电量预测模型预测光能发电量预测值，通过风能发电量预测模型预测风能发电量预测值。关于如何通过预测模型来确定发电量预测值的更多说明可以参见图3。

步骤230，基于道路数据和发电量预测值，确定显示策略。

显示策略是显示模块是否显示和/或显示内容的方式。在一些实施例中，智能路灯可以通过显示屏投放广告，其中，广告屏的投放内容可以基于实际需求预先设置。在一些实施例中，显示策略可以包括开启显示模块、关闭显示模块中的至少一种。

在一些实施例中，处理器可以基于道路流量数据和行人特征数据，确定显示模块的开启或关闭。

当车流量和/或人流量足够的情况下开启显示模块才能发挥显示模块的作用，因此可以综合考虑道路流量数据和行人特征数据来确定显示模块的开启或关闭，同时还需考虑到发电量是否足够。

在一些实施例中，处理器可以分别判断道路流量数据和行人特征数据是否达到流量阈值。在一些实施例中，处理器可以进一步判断发电量预测值是否达到照明阈值。

流量阈值为预先设定的显示模块的与道路情况相关的开启阈值条件。在一些实施例中，流量阈值与显示模块的经济效益相关，并且可以根据相关情况修改。显示模块的经济效益可以理解为显示模块的开启成本与开启成果的比例。流量阈值设置越大，表示开启显示模块时所需的人流量越大。在同样的开启成本下，流量阈值越大开启显示模块后可以看到该显示模块的人更多，开启成果则越大。照明阈值为预先设定的显示模块的与用电量相关的开启阈值条件。在一些实施例中，照明阈值与历史路灯的用电量的峰值相关。其中，历史路灯的用电量可以联网获取，并确定在一定时间段内(例如，最近时间段内)的用电量峰值。

在一些实施例中，在道路流量数据和/或行人特征数据达到流量阈值，且发电量预测值的总和达到照明阈值时，处理器可以确定显示策略为开启显示模块。若发电量预测值无法达到照明阈值，表示智慧路灯中的发电量不足可能无法支撑照明，则可以确定显示策略为关闭显示模块。其中，发电量预测值包括光能发电量预测值和/或风能发电量预测值，更多详细内容可参见图3及其相关描述。

在本说明书实施例中，综合考虑道路流量数据和行人特征数据来确定显示模块的开启或关闭，可以在人流量较低时关闭显示模块以节约电能，实现智慧路灯显示模块的智能化显示。

步骤240，基于传感数据、物联网数据和道路数据，确定照明策略。

照明策略是智慧路灯中照明模块的照明方式。照明模块可以用于对周边环境进行照明，同时也可以用于对显示模块进行照明。在一些实施例中，照明策略可以包括开启照明和关闭照明中的至少一种。

当开启显示模块时，一些情况下(例如，当环境光亮度较低时)道路上的行人也可能无法看清显示模块的内容，此时可以考虑开启照明模块以提高显示模块亮度。反之，当环境光亮度较高时，关闭照明模块后行人也能看清显示模块的内容。因此，处理器可以基于智慧路灯的相关环境情况来确定照明模块的照明策略。

在一些实施例中，处理器可以通过传感数据、物联网数据和道路数据，针对不同情况(包括不同环境情况、道路情况、车辆情况或行人情况)确定照明模块的开启或关闭。在一些实施例中，处理器可以根据道路图像确定车辆行进信息，并根据传感数据、物联网数据和车辆行进信息确定照明策略。在一些实施例中，处理器还可以进一步根据发电量预测值确定照明策略。关于如何确定照明策略的更多说明可以参见图4。

在本说明书实施例中，通过道路数据、传感数据和物联网数据来确定候选发电方式的发电值预测量，进而可以通过上述数据来确定显示模块的显示策略和照明模块的照明策略，可以基于相关环境数据来实现智慧路灯的智能化显示以及智能化照明。

应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，步骤240可以250可以同步进行。

图3是根据本说明书一些实施例所示的确定发电量预测值的示意图。

在一些实施例中，发电量预测值可以包括光能发电量预测值311和风能发电量预测值321。其中，光能发电量预测值311对应的候选发电方式为光能发电，风能发电量预测值321对应的候选发电方式为风能发电。

在一些实施例中，处理器可以基于环境光强度数据和物联网数据，通过光能发电预测模型310确定预设时间内光能发电量预测值311，所述光能发电预测模型310为机器学习模型。

光能发电量预测值311为在预设时间内智慧路灯可以通过光能发电的方式获取的电能。

光能发电预测模型310可以是机器学习模型，例如，神经网络模型(例如，卷积神经网络模型)等，也可以是其他能够实现相同功能的模型。

光能发电预测模型310的输入可以包括光照特征序列312和云特征序列313，光能发电预测模型310的输出可以包括预设未来时间内的光能发电量预测值311。

光照特征序列312是可以反映光照情况的数据。在一些实施例中，光照特征序列312可以包括光照角度序列和光照强度序列。其中，光照角度序列为当前时间的光照角度数据，可以通过智慧路灯所处的当前位置和当前时间来确定。具体的，可以基于太阳和当前位置的相对方向来确定光照角度序列。在一些实施例中，光照特征序列312可以基于环境光强度数据确定。光照强度序列是当前时间的光照强度数据，可以通过相应传感器获取。

在一些实施例中，云特征序列313可以反映当前云层情况，云特征序列313可以包括云密度序列、云厚度序列和云的运动速度序列。在一些实施例中，云特征序列可以基于物联网数据确定，例如，处理器可以获取物联网数据中有关气象数据或摄像装置拍摄图像，基于前述数据确定云特征序列。

在一些实施例中，光能发电预测模型310可以通过多个有标签的训练样本训练得到。在一些实施例中，训练样本至少可以包括样本光照特征序列、样本云特征序列。标签可以是与输入数据对应的实际光能发电量。标签可以基于人工标注获取也可以根据历史数据自动标注。

在一些实施例中，处理器可以基于风力数据和物联网数据，通过风力发电预测模型确定预设时间内风力发电量预测值，所述风力发电量预测模型为机器学习模型。

风能发电量预测值321为在预设时间内智慧路灯可以通过风能发电的方式获取的电能。

风能发电预测模型320可以是机器学习模型，例如，神经网络模型(例如，卷积神经网络模型)等，也可以是其他能够实现相同功能的模型。

风能发电预测模型320的输入可以包括当前时间点多个预设点位的风力特征序列322，风能发电预测模型320的输出可以包括预设未来时间内的风能发电量预测值321。

风力特征序列322是可以反映风力情况的数据。在一些实施例中，风力特征序列322可以包括风力大小和风力方向。在一些实施例中，风力特征序列322可以基于气象数据或相应传感器获取的风力数据确定，例如，风力传感器和风向检测器。预设点位是预先设置的用于检测风力的位置，多个预设点位可以与风力发电机组的距离不同，例如，需要包括距风力发电机组较近的点位和距离风力发电机组较远的各个方向的点位。设置多个预设点位考虑了不同区域的风力传递，来进行综合预测从而使预测结果更为准确。

在一些实施例中，风能发电预测模型320可以通过多个有标签的训练样本训练得到。在一些实施例中，训练样本至少可以包括样本风力特征序列。标签可以是与输入数据对应的实际风能发电量。标签可以基于人工标注获取也可以根据历史数据自动标注。

通过光能发电预测模型310和风能发电预测模型320分别预测对应的光能发电量预测值311和风能发电量预测值321可以得出较为准确的发电量预测值，从而更为准确地确定显示策略和照明策略，实现智慧路灯的精准控制。

图4是根据本说明书一些实施例所示的确定照明策略的示意图。基于大数据管理的智慧路灯自动识别系统可以根据图4的示意来确定照明策略。

在一些实施例中，处理器可以基于道路图像确定车辆行进信息，所述车辆行进信息可以包括车辆与路灯距离、车辆转向信息、车辆行进速度中的至少一种。进一步的，处理器可以基于传感数据、物联网数据、车辆行进信息以及发电量预测值，确定照明模块的开启或关闭。

车辆与路灯距离可以通过道路图像中车辆与预设参考点的距离确定，车辆转向信息可以通过识别车辆双侧转向灯的明暗情况确定，车辆行进速度可以通过智慧路灯自带的测速仪进行测量。

在一些实施例中，处理器可以基于发电量的预测值判断是否能够开启照明模块，基于传感数据、物联网数据、车辆行进信息判断是否有必要开启照明模块，并基于前述两次判断的结果确定是否开启照明模块。例如，若处理器基于发电量预测值判断供电量能够满足照明模块的用电需求，当判断有必要开启照明模块时，则确定照明策略为开启照明模块，当判断没有必要开启照明模块时，则确定照明策略为关闭照明模块；若处理器基于发电量预测值判断供电量不能满足照明模块的用电需求，则确定照明策略为关闭照明模块。

在本说明书实施例中，通过传感数据、物联网数据、车辆行进信息以及发电量预测值，来确定照明模块的开启或关闭，可以实现智慧路灯的智能化照明。

在一些实施例中，传感数据可以至少包括环境光强度数据，物联网数据可以至少包括路段事故发生概率，处理器可以基于环境光强度数据、路段事故发生概率、道路数据和车辆行进信息，根据预设启闭策略确定照明模块的启闭。

环境光强度数据和道路数据可以参见图2的相关描述。

路段事故发生概率是智慧路灯所处路段的事故发生率。在一些实施例中，路段事故发生概率可以通过交通局信息获取。在一些实施例中，路段事故发生概率可以在经过一定时间间隔(例如，一周、一月、一季度等)后进行更新，也可以实时更新。

预设启闭策略是预先设定的针对不同情况确定照明模块启闭的策略。在一些实施例中，预设启闭策略可以包括针对环境光强度数据的情况、针对路段事故发生概率的情况、针对车辆行进信息的情况和针对道路数据的情况。

在一些实施例中，处理器可以比较环境光强度数据与预设强度阈值的，以根据预设启闭策略确定照明模块的启闭。当环境光强度数据高于或等于预设强度阈值时，此时可能处于白日或是夜间环境中有其他照明的情况，对应的预设启闭策略可以是关闭照明模块。在一些实施例中，预设强度阈值可以根据经验或实际情况进行设定。

在一些实施例中，当环境光强度数据低于预设强度阈值时，可以根据其他数据(例如，路段事故发生概率、道路数据和车辆行进信息)进一步判断照明模块的启闭。具体如下：

在一些实施例中，处理器可以比较路段事故发生概率与概率阈值。当路段事故发生概率高于或等于预设概率阈值时，可以表示智慧路灯所处路段为事故高发路段，在环境光强度较低的情况下，该路段的路灯需要保持常亮以尽量避免事故发生。在这种情况下，对应的预设启闭策略可以是开启照明模块。

在一些实施例中，处理器可以根据道路数据中的道路流量数据和/或行人特征数据确定照明模块的启闭。当道路流量数据和行人特征数据表明智慧路灯所处路段中有车辆驶过或行人行走时，在环境光强度较低的情况下，可以开启照明模块。当道路流量数据和行人特征数据表明智慧路灯所处路段中没有车辆或行人时，可以关闭照明模块以节约电能。

在一些实施例中，处理器可以根据车辆行进信息中的车辆与路灯距离确定照明模块的启闭。具体的，处理器可以比较车辆与路灯距离和距离阈值。当车辆与路灯阈值小于距离阈值时，对应的预设启闭策略可以是开启照明模块；当车辆与路灯阈值大于或等于距离阈值时，对应的预设启闭策略可以是关闭照明模块或降低照明模块的照明强度。

在一些实施例中，处理器还可以根据车辆行进信息中的车辆转向信息确定照明模块的启闭。具体的，当车辆转向信息表明车辆即将驶入智慧路灯所处道路，则可以开启照明模块；当车辆转向信息表明车辆即将驶离智慧路灯所处道路，则可以关闭照明模块。

在本说明书实施例中，基于环境光强度数据、路段事故发生概率、道路数据和车辆行进信息，并且根据预设启闭策略确定照明模块的启闭充分考虑了智慧路灯周边各种情况来判断照明模块的启闭，在需要的情况下再开启照明以实现智能化照明。

在一些实施例中，照明策略还可以包括照明模块的照明强度，处理器可以基于传感数据411、物联网数据412、道路数据通过查表的方式确定照明强度。

照明强度是照明模块开启照明后的灯光强度。在一些实施例中，照明模块的照明强度可以与目标照明强度和环境光强度相关。具体的，可以表示为照明强度＝目标照明强度-环境光强度。目标照明强度为照明所需的光线强度，环境光强度为传感数据中的环境光强度数据。处理器可以确定目标照明强度从而根据环境光强度确定照明模块的照明强度。

在一些实施例中，处理器可以根据道路流量数据、行人特征数据、路段事故发生概率和环境光强度数据确定照明强度。在一些实施例中，可以将目标照明强度划分为多个照明级别，从而根据相关数据确定对应的目标照明强度。具体的，可以通过如下所示的目标照明强度对应表格确定目标照明强度。

表1目标照明强度对应表

事故发生概率	道路流量数据	行人特征数据	时间段	目标照明强度
					a1	b1	c1	d1	e1
a2	b2	c2	d2	e2
					...	...	...	...	...

如表1中所示，不同的路段事故发生概率、道路流量数据、行人特征数据以及时间段可以对应于不同的目标照明强度。总体而言，路段事故发生概率越大、道路流量数据越大、行人特征数据越大，对应的目标照明强度可以越大。其中，不同时间段可以设置不同的基础照明强度，作为影响目标照明强度的因素之一。例如，白天时的基础照明强度可以设置较低、夜晚的基础照明强度可以设置较高。

在本说明书实施例中，基于传感数据、物联网数据、道路数据通过查表的方式确定照明强度可以综合考虑各种因素确定合适的照明强度，在照明的同时节约电能以实现智能化照明。

在一些实施例中，照明模块的照明强度还可以相关于显示模块的显示内容，显示模块的亮度越高，照明强度可适当降低。在一些实施例中，照明模块的照明强度可以相关于显示内容的色度以及显示模块的亮度。

当显示模块开启时，显示模块也具有亮度以使显示内容被清楚看到，因此显示模块也承担了一部分照明的作用。在一些实施例中，当显示模块(例如，广告屏)的显示亮度越高，在目标照明强度不变的情况下，可以适当降低照明模块的照明强度，以节约电能。此时照明模块的照明强度可以表示为照明强度＝目标照明强度-环境光强度-显示模块亮度。

在一些实施例中，照明模块的照明强度的降低值相关于显示模块的显示内容的色度与照明模块光线的色度之差。

照明强度降低值表示在显示模块开启的情况下照明模块的照明强度可以适当降低的数值。在一些实施例中，显示内容的色度与照明模块光线的色度之差越小，照明模块的照明强度的降低值可以越大。

显示内容的色度反映显示内容的色调饱和度。在一些实施例中，显示内容的色度可以是多种多样的，如红色、黑色、黄色、蓝色等。

由于智慧路灯通常以白光进行照明，而类似于红色或蓝色光线不利于照明，因此如果显示模块的显示内容的色度越接近红色或蓝色这些光线，即与照明模块发出光线的色度差较大，则照明效果越差，仍然需要照明模块提供更多的照明。

在一些实施例中，照明模块的照明强度降低值可以通过以下公式(1)进行计算：

L＝K1×S1

其中，L表示照明模块的照明强度降低值，S1为显示模块的显示亮度，K1为系数。在一些实施例中，K1可以通过显示模块的显示内容的色度与照明模块光线的色度之差确定。显示模块的显示内容的色度与照明模块光线的色度之差越小，K1越大，反之则越小。

在本说明书实施例中，通过显示模块的显示内容的色度来确定照明模块的照明强度可以准确判断照明强度的降低值，以避免出现照明强度不足的情况，从而实现智慧路灯的精准控制。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种基于大数据管理的智慧路灯自动识别系统，其特征在于，包括物联网数据获取模块、传感检测模块、发电模块、照明模块、显示模块、图像获取模块和控制模块；

所述物联网数据获取模块用于获取物联网数据，所述物联网数据包括气象数据和道路事故发生数据中的至少一种；

所述传感检测模块用于获取传感数据，所述传感数据包括环境光强度数据和风力数据中的至少一种；

所述发电模块用于通过候选发电方式进行发电，所述候选发电方式包括风力发电和光能发电中的至少一种；

所述图像获取模块用于获取道路图像；

所述控制模块用于：

基于所述道路图像确定道路数据；

基于所述物联网数据和所述传感数据，确定在预设时间内所述候选发电方式的发电量预测值；

基于所述道路数据和所述发电量预测值，确定所述显示模块的显示策略；

基于所述传感数据、所述物联网数据和所述道路数据，确定所述照明模块的照明策略。

2.如权利要求1所述的基于大数据管理的智慧路灯自动识别系统，其特征在于，所述道路数据包括道路流量数据和行人特征数据中的至少一种，所述显示策略包括开启显示模块、关闭显示模块中的至少一种；

所述控制模块进一步用于：

基于所述道路流量数据、行人特征数据，确定所述显示模块的开启或关闭。

3.如权利要求1所述的基于大数据管理的智慧路灯自动识别系统，其特征在于，所述发电量预测值包括光能发电量预测值；

所述控制模块进一步用于：

基于所述环境光强度数据和所述物联网数据，通过光能发电预测模型310确定预设时间内所述光能发电量预测值，所述光能发电预测模型310为机器学习模型。

4.如权利要求1所述的基于大数据管理的智慧路灯自动识别系统，其特征在于，所述照明策略包括开启照明、关闭照明中的至少一种；

所述控制模块进一步用于：

基于所述道路图像确定车辆行进信息，所述车辆行进信息包括车辆与路灯距离、车辆转向信息、车辆行进速度中的至少一种；

基于所述传感数据、所述物联网数据、所述车辆行进信息以及所述发电量预测值，确定所述照明模块的开启或关闭。

5.一种基于大数据管理的智慧路灯自动识别方法，其特征在于，包括：

基于道路图像确定道路数据；

基于物联网数据和传感数据，确定在预设时间内候选发电方式的发电量预测值，所述候选发电方式包括风力发电和光能发电中的至少一种；

基于所述道路数据和所述发电量预测值，确定显示模块的显示策略；

基于所述传感数据、所述物联网数据和所述道路数据，确定照明模块的照明策略。

6.如权利要求5所述的基于大数据管理的智慧路灯自动识别方法，其特征在于，所述道路数据包括道路流量数据和行人特征数据中的至少一种，所述显示策略包括开启显示模块、关闭显示模块中的至少一种；

所述基于所述道路数据和所述发电量预测值，确定所述显示模块的显示策略，包括：

基于所述道路流量数据、行人特征数据，确定所述显示模块的开启或关闭。

7.如权利要求5所述的基于大数据管理的智慧路灯自动识别方法，其特征在于，所述发电量预测值包括光能发电量预测值；

所述基于所述物联网数据和所述传感数据，确定在预设时间内候选发电方式的发电量预测值，包括：

基于所述环境光强度数据和所述物联网数据，通过光能发电预测模型确定预设时间内所述光能发电量预测值，所述光能发电预测模型为机器学习模型。

8.如权利要求5所述的基于大数据管理的智慧路灯自动识别方法，其特征在于，所述照明策略包括开启照明、关闭照明中的至少一种；

所述基于所述传感数据、所述物联网数据和所述道路数据，确定所述照明模块的照明策略包括：

基于所述道路图像确定车辆行进信息，所述车辆行进信息包括车辆与路灯距离、车辆转向信息、车辆行进速度中的至少一种；

基于所述传感数据、所述物联网数据、所述车辆行进信息以及所述发电量预测值，确定所述照明模块的开启或关闭。

9.一种基于大数据管理的智慧路灯自动识别装置，包括处理器，所述处理器用于执行权利要求5～8任一项所述的基于大数据管理的智慧路灯自动识别方法。

10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求5～8任一项所述的基于大数据管理的智慧路灯自动识别方法。