发明内容
有鉴于此,本申请的目的在于提供一种应用于隧道的照明节能控制方法。
依据本申请的第一方面,提供一种应用于隧道的照明节能控制方法,所述方法包括:
获取城市隧道照明系统的目标照明区域监控数据,所述目标照明区域监控数据中包括待控制照明区域;
确定所述目标照明区域监控数据中第一照明节点对应的第一照明控制事件的照明场景特征数据,并确定所述目标照明区域监控数据中第二照明节点对应的第二照明控制事件的照明场景特征数据,所述第一照明节点和所述第二照明节点为所述待控制照明区域包括的不同照明节点,所述第一照明节点和所述第二照明节点为基于所述待控制照明区域的照明路径对所述待控制照明区域进行节点划分生成的;
依据所述第一照明控制事件的照明场景特征数据和所述第二照明控制事件的照明场景特征数据确定所述第一照明控制事件与所述第二照明控制事件在城市隧道生成空间下的第一照明转换信息;
依据所述第一照明转换信息,基于所述第一照明控制事件的照明场景特征数据和所述第二照明控制事件的照明场景特征数据确定所述待控制照明区域在所述城市隧道生成空间下的照明节能控制行为。
在第一方面的一种可能的实施方式中,所述确定所述目标照明区域监控数据中第一照明节点对应的第一照明控制事件的照明场景特征数据,并确定所述目标照明区域监控数据中第二照明节点对应的第二照明控制事件的照明场景特征数据,包括:
对所述目标照明区域监控数据中的待控制照明区域进行照明场景特征提取,生成所述待控制照明区域对应的第三照明控制事件的照明场景特征数据,以及对所述待控制照明区域的候选照明节点进行照明场景特征提取,生成所述候选照明节点对应的目标照明控制事件的照明场景特征数据,所述候选照明节点是所述第一照明节点和所述第二照明节点在所述目标照明区域监控数据中隧道交通拥堵的照明节点,所述候选照明节点对应的目标照明控制事件位于所述第三照明控制事件的控制区间内;
依据所述目标照明控制事件的照明场景特征数据确定所述第一照明控制事件的照明场景特征数据以及所述第二照明控制事件的照明场景特征数据。
在第一方面的一种可能的实施方式中,所述依据所述目标照明控制事件的照明场景特征数据确定所述第一照明控制事件的照明场景特征数据以及所述第二照明控制事件的照明场景特征数据,包括:
如果所述候选照明节点是第一照明节点,将所述目标照明控制事件的照明场景特征数据输出为所述第一照明控制事件的照明场景特征数据;
依据所述第三照明控制事件的照明场景特征数据和所述第一照明控制事件的照明场景特征数据,确定所述第二照明控制事件的照明场景特征数据。
在第一方面的一种可能的实施方式中,所述依据所述目标照明控制事件的照明场景特征数据确定所述第一照明控制事件的照明场景特征数据以及所述第二照明控制事件的照明场景特征数据,包括:
如果所述候选照明节点是第二照明节点,将所述目标照明控制事件的照明场景特征数据输出为所述第二照明控制事件的照明场景特征数据; 依据所述第三照明控制事件的照明场景特征数据和所述第二照明控制事件的照明场景特征数据,确定所述第一照明控制事件的照明场景特征数据。
在第一方面的一种可能的实施方式中,所述候选照明节点包括所述第一照明节点和所述第二照明节点,所述依据所述目标照明控制事件的照明场景特征数据确定所述第一照明控制事件的照明场景特征数据以及所述第二照明控制事件的照明场景特征数据,包括:
将所述第一照明节点对应的目标照明控制事件的照明场景特征数据输出为所述第一照明控制事件的照明场景特征数据,以及将所述第二照明节点对应的目标照明控制事件的照明场景特征数据输出为所述第二照明控制事件的照明场景特征数据。
在第一方面的一种可能的实施方式中,所述对所述目标照明区域监控数据中的待控制照明区域进行照明场景特征提取,生成所述待控制照明区域对应的第三照明控制事件的照明场景特征数据,以及对所述待控制照明区域的候选照明节点进行照明场景特征提取,生成所述候选照明节点对应的目标照明控制事件的照明场景特征数据,包括:
通过预置神经网络模型对所述目标照明区域监控数据中的待控制照明区域进行照明场景特征提取,生成所述待控制照明区域对应的第三照明控制事件的照明场景特征数据,以及依据所述预置神经网络模型对所述待控制照明区域的候选照明节点进行照明场景特征提取,生成所述候选照明节点对应的目标照明控制事件的照明场景特征数据。
在第一方面的一种可能的实施方式中,所述预置神经网络模型的训练步骤,具体包括:
获取范例照明区域监控数据,所述范例照明区域监控数据中携带第一范例照明节点对应的第一先验标注照明控制事件、第二范例照明节点对应的第二先验标注照明控制事件、范例照明区域对应的第三先验标注照明控制事件、所述第一范例照明节点的交通拥堵标注事件和所述第二范例照明节点的交通拥堵标注事件,所述第一范例照明节点和所述第二范例照明节点是所述范例照明区域包括的不同照明节点,所述第一范例照明节点和所述第二范例照明节点为基于所述范例照明区域的照明路径对所述范例照明区域进行节点划分生成的,所述第一先验标注照明控制事件和所述第二先验标注照明控制事件位于所述第三先验标注照明控制事件的控制区间内;
依据所述范例照明区域监控数据,通过初始化神经网络输出目标范例照明节点对应的第一推定照明控制事件,以及依据所述初始化神经网络输出所述范例照明区域对应的第二推定照明控制事件,所述目标范例照明节点是所述第一范例照明节点和所述第二范例照明节点中交通拥堵标注事件指示隧道交通拥堵的照明节点;
依据所述第一推定照明控制事件的照明场景特征数据确定所述第一范例照明节点对应的第三推定照明控制事件的照明场景特征数据以及所述第二范例照明节点对应的第四推定照明控制事件的照明场景特征数据; 依据所述第三推定照明控制事件的照明场景特征数据和所述第四推定照明控制事件的照明场景特征数据确定所述第三推定照明控制事件与所述第四推定照明控制事件在城市隧道生成空间下的第二照明转换信息; 依据所述第二照明转换信息,基于所述第三推定照明控制事件的照明场景特征数据和所述第四推定照明控制事件的照明场景特征数据计算所述范例照明区域在所述城市隧道生成空间下的推定照明节能控制行为;
基于所述推定照明节能控制行为和先验标注照明节能控制行为生成照明节能控制误差,并基于所述第三推定照明控制事件和所述第一先验标注照明控制事件生成第一推定误差,以及基于所述第四推定照明控制事件和所述第二先验标注照明控制事件生成第二推定误差,以及基于所述第二推定照明控制事件和所述第三先验标注照明控制事件生成第三推定误差;
依据所述照明节能控制误差、所述第一推定误差、所述第二推定误差和所述第三推定误差对所述初始化神经网络进行网络参数更新生成所述预置神经网络模型。
在第一方面的一种可能的实施方式中,所述第一先验标注照明控制事件和所述第二先验标注照明控制事件为节能照明控制事件,所述方法还包括:
对所述第一先验标注照明控制事件和所述第二先验标注照明控制事件中的一个或多个照明控制事件进行规则化转换,生成规则化转换后的第一先验标注照明控制事件和规则化转换后的第二先验标注照明控制事件; 所述基于所述第三推定照明控制事件和所述第一先验标注照明控制事件生成第一推定误差,包括:
基于所述第三推定照明控制事件和所述规则化转换后的第一先验标注照明控制事件生成所述第一推定误差;
所述基于所述第四推定照明控制事件和所述第二先验标注照明控制事件生成第二推定误差,包括:
基于所述第四推定照明控制事件和所述规则化转换后的第二先验标注照明控制事件生成所述第二推定误差。
在第一方面的一种可能的实施方式中,所述依据所述第一照明转换信息,基于所述第一照明控制事件的照明场景特征数据和所述第二照明控制事件的照明场景特征数据确定所述待控制照明区域在所述城市隧道生成空间下的照明节能控制行为之后,所述方法还包括:
基于所述待控制照明区域在所述城市隧道生成空间下的照明节能控制行为,对所述城市隧道照明系统进行对应控制指令下发。
依据本申请的第二方面,提供一种应用于隧道的照明节能控制系统,所述应用于隧道的照明节能控制系统包括机器可读存储介质及处理器,所述机器可读存储介质存储有机器可执行指令,所述处理器在执行所述机器可执行指令时,该应用于隧道的照明节能控制系统实现前述的应用于隧道的照明节能控制方法。
依据本申请的第三方面,提供提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,当所述计算机可执行指令被执行时,实现前述的应用于隧道的照明节能控制方法。
依据上述任意一个方面,本申请中,通过基于目标照明区域监控数据和城市隧道生成空间下的照明转换信息,精确定位待控制照明区域的照明节能控制行为,能够根据实际照明场景的需求,调整相关照明设备的亮度和灯具的开启/关闭状态,以最大程度地减少能源消耗,实现节能效果。另外,根据目标照明区域的监控数据和照明路径划分生成的照明节点,能够自适应不同的照明区域,并对其进行个性化的照明控制,无论是单一隧道还是复杂路段,都能够根据实际情况进行智能控制,满足特定的照明需求。并且,本申请仅需获取目标照明区域的目标照明区域监控数据,并通过算法分析和处理生成相应的照明节能控制行为指令,不需要大规模改造照明系统,具有较低的实施成本和操作复杂度。也即,本申请能够精确、高效地实现照明节能控制,提高照明质量和安全性,适应不同的照明区域,并具有简便可行的特点。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将依据本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了依据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其它操作,也可以从流程图中销毁一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。依据本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都对应于本申请保护的范围。
图1示出了本申请实施例提供的应用于隧道的照明节能控制方法的流程示意图,应当理解,在其它实施例中,本实施例的应用于隧道的照明节能控制方法其中部分步骤的顺序可以依据实际需要相互共享,或者其中的部分步骤也可以省略或维持。该应用于隧道的照明节能控制方法的详细包括:
步骤S110,获取城市隧道照明系统的目标照明区域监控数据。
本实施例中,所述目标照明区域监控数据中包括待控制照明区域。
例如,假设城市中的一条隧道安装了多个光感应器和摄像头来监测照明情况,通过这些光感应器和摄像头实时收集数据,比如光强度、亮度、颜色等信息,形成目标照明区域监控数据。其中可能包括需要进行照明控制的待控制照明区域,比如隧道入口、出口和某些特定区域。通过分析这些数据,可以确定待控制照明区域以及后续步骤中需要考虑的具体区域。
步骤S120,确定所述目标照明区域监控数据中第一照明节点对应的第一照明控制事件的照明场景特征数据,并确定所述目标照明区域监控数据中第二照明节点对应的第二照明控制事件的照明场景特征数据。
本实施例中,所述第一照明节点和所述第二照明节点为所述待控制照明区域包括的不同照明节点,所述第一照明节点和所述第二照明节点为基于所述待控制照明区域的照明路径对所述待控制照明区域进行节点划分生成的。例如,在隧道内部,不同的区域可以被视为照明节点,比如隧道内的某一段区域就可以被看作一个照明节点,代表着独立的照明控制单元。通过分析目标照明区域监控数据,可以识别出这些照明节点,并为每个照明节点确定相应的照明控制事件。例如,在隧道中待控制照明区域有两个照明节点:A区和B区。针对A区,可能存在第一照明控制事件,而针对B区,可能存在第二照明控制事件。对于每个照明控制事件,可以提取相关的照明场景特征数据,比如照明场景特征数据可以包括以下数据:
光强度:衡量光线的强弱。可以使用光感应器或光度计等设备来测量光强度的数值,通常以勒克斯(lux)为单位。
亮度分布:描述照明系统在不同区域的亮度分布情况。通过传感器或摄像头捕捉到的图像或数据可以用于分析照明的均匀性或不均匀性。
颜色温度:表示光源的颜色特性,以开尔文(Kelvin)为单位。不同颜色温度的光源会给人带来不同的视觉感受,比如较低的颜色温度(暖色调)会营造出较为温暖和舒适的氛围,而较高的颜色温度(冷色调)则会给人以清晰和醒目的感觉。
环境温度:指隧道内的环境温度,可以影响照明设备的工作效果和能耗。通过温度传感器或其他环境监测设备可以获得这个数据。
交通流量:指隧道中车辆或行人的流动情况。可以使用交通监测设备(如传感器、摄像头或雷达)来监测实时的交通流量信息,这对照明控制和安全性考虑都非常重要。
例如,在分析照明场景特征数据时,可能注意到隧道入口区域的光强度较低,同时环境温度也较高。这表明可能需要增加照明亮度以提供更好的能见度和视觉舒适性。另外,如果监测到隧道中的交通流量增加且光强度较低,可以根据这些特征数据判断需要提高照明亮度,以确保驾驶员和行人能够清晰地看到道路和周围环境。
步骤S130,依据所述第一照明控制事件的照明场景特征数据和所述第二照明控制事件的照明场景特征数据确定所述第一照明控制事件与所述第二照明控制事件在城市隧道生成空间下的第一照明转换信息。
例如,借助照明场景特征数据,可以确定第一照明控制事件和第二照明控制事件之间的照明转换关系,进而生成第一照明转换信息。例如,在某段时间内,隧道中的车流量逐渐增加,光强度下降。这时可以根据监测到的车辆数量和环境亮度,计算出需要进行照明转换的信息。这个转换信息可以包括调整照明亮度、颜色或照明设备的分布等。
示例性的,假设有一个城市隧道,分为三个照明区域:入口区域、中间区域和出口区域。每个区域都有独立的照明控制事件,并且监测到的照明场景特征数据如下:
入口区域:
光强度:较低(100 lux)
交通流量:高(大量车辆)
中间区域:
光强度:中等(500 lux)
交通流量:中等(适度车辆)
出口区域:
光强度:较高(800 lux)
交通流量:低(少量车辆)
基于这些特征数据,可以确定第一照明控制事件是在入口区域,第二照明控制事件是在出口区域。
接下来,需要确定第一照明控制事件与第二照明控制事件在隧道空间中的照明转换信息。在这个例子中,可能的照明转换信息是逐渐增加光强度从入口到出口以提供更好的能见度。由于交通流量较高,入口区域的光强度较低。可以根据这些特征数据确定需要逐渐增加照明亮度,以确保驾驶员能够清晰地看到道路和其他车辆。在隧道的中间区域,光强度保持中等水平,以提供适度的照明效果。而在出口区域,由于交通流量减少且光强度较高,可能可以降低照明亮度以节省能源。
因此,在这个例子中,第一照明控制事件与第二照明控制事件之间的照明转换信息是逐渐增加照明亮度从入口到出口,并在出口区域降低照明亮度以节省能源。这样的照明转换策略可以通过调整灯光的亮度或使用可调节的照明设备来实现,并确保提供合适的照明环境和能源效率。
步骤S140,依据所述第一照明转换信息,基于所述第一照明控制事件的照明场景特征数据和所述第二照明控制事件的照明场景特征数据确定所述待控制照明区域在所述城市隧道生成空间下的照明节能控制行为。
例如,假设继续以前面提到的城市隧道为例,根据照明场景特征数据和照明转换信息,可以确定待控制照明区域是整个隧道,而第一照明控制事件位于入口区域,第二照明控制事件位于出口区域。
根据第一照明转换信息和照明场景特征数据,可以确定照明节能控制行为,具体如下:
入口区域(第一照明控制事件):
光强度较低(100 lux)
交通流量高(大量车辆)
在入口区域,为了确保驾驶员能够清晰地看到道路和其他车辆,可以采取以下照明节能控制行为:
使用光感应器或时间表来自动调节灯光亮度。
当检测到交通流量高且环境亮度较低时,适当增加灯光亮度以提供良好的照明效果和能见度。
可以考虑使用节能型照明设备或调整灯光的亮度来减少能源消耗。
出口区域(第二照明控制事件):
光强度较高(800 lux)
交通流量低(少量车辆)
在出口区域,由于交通流量较低且光强度较高,可以采取以下照明节能控制行为:
降低灯光亮度以节省能源,同时仍需保持足够的照明水平。
使用可调节亮度的照明设备,并根据实时监测的光强度和交通流量信息进行自动调节。由此,可以基于所述待控制照明区域在所述城市隧道生成空间下的照明节能控制行为,对所述城市隧道照明系统进行对应控制指令下发。
通过以上的照明节能控制行为,可以根据不同区域的照明需求和能源节约目标,在城市隧道生成空间下实现更智能化、高效节能的照明控制。这样既能够提供良好的照明环境和安全性,又能最大程度地减少能源的消耗。
基于以上步骤,通过基于目标照明区域监控数据和城市隧道生成空间下的照明转换信息,精确定位待控制照明区域的照明节能控制行为,能够根据实际照明场景的需求,调整相关照明设备的亮度和灯具的开启/关闭状态,以最大程度地减少能源消耗,实现节能效果。另外,根据目标照明区域的监控数据和照明路径划分生成的照明节点,能够自适应不同的照明区域,并对其进行个性化的照明控制,无论是单一隧道还是复杂路段,都能够根据实际情况进行智能控制,满足特定的照明需求。并且,本申请仅需获取目标照明区域的目标照明区域监控数据,并通过算法分析和处理生成相应的照明节能控制行为指令,不需要大规模改造照明系统,具有较低的实施成本和操作复杂度。也即,本申请能够精确、高效地实现照明节能控制,提高照明质量和安全性,适应不同的照明区域,并具有简便可行的特点。
在一种可能的实施方式中,步骤S120可以包括:
步骤S121,对所述目标照明区域监控数据中的待控制照明区域进行照明场景特征提取,生成所述待控制照明区域对应的第三照明控制事件的照明场景特征数据,以及对所述待控制照明区域的候选照明节点进行照明场景特征提取,生成所述候选照明节点对应的目标照明控制事件的照明场景特征数据。
本实施例中,所述候选照明节点是所述第一照明节点和所述第二照明节点在所述目标照明区域监控数据中隧道交通拥堵的照明节点,所述候选照明节点对应的目标照明控制事件位于所述第三照明控制事件的控制区间内。
例如,假设目标照明区域是整个城市隧道,其中第一照明节点对应入口区域的照明控制事件,第二照明节点对应出口区域的照明控制事件。根据实时监控数据,可以获取到以下照明场景特征数据:
第一照明控制事件(入口区域)的照明场景特征数据:
光强度:较低(100 lux)
交通流量:高(大量车辆)
第二照明控制事件(出口区域)的照明场景特征数据:
光强度:较高(800 lux)
交通流量:低(少量车辆)
在此基础上,需要提取待控制照明区域(整个隧道)的照明场景特征数据,同时提取候选照明节点(入口和出口区域)的照明场景特征数据。根据前面的例子中给出的数据,可以得到以下场景特征数据:
待控制照明区域(整个隧道)的第三照明控制事件的照明场景特征数据:光强度:逐渐增加从入口到出口、交通流量:变化(从高到低)
候选照明节点(入口和出口区域)对应的目标照明控制事件的照明场景特征数据:入口区域的目标照明控制事件的场景特征数据与第一照明控制事件相同、出口区域的目标照明控制事件的场景特征数据与第二照明控制事件相同。
步骤S122,依据所述目标照明控制事件的照明场景特征数据确定所述第一照明控制事件的照明场景特征数据以及所述第二照明控制事件的照明场景特征数据。
由此,根据前面的例子和照明场景特征数据,可以得到以下结论:
第一照明控制事件(入口区域)的照明场景特征数据:
光强度:较低(100 lux)
交通流量:高(大量车辆)
第二照明控制事件(出口区域)的照明场景特征数据:
光强度:较高(800 lux)
交通流量:低(少量车辆)
通过以上步骤,可以根据目标照明区域监控数据中的第一和第二照明节点对应的照明场景特征数据,确定第一照明控制事件(入口区域)和第二照明控制事件(出口区域)的照明场景特征数据,如前面的例子所示。这些确定的照明场景特征数据反映了不同区域的光强度、交通流量等相关信息。这样,就能根据实时的场景特征数据来实现智能化的照明控制行为,并根据需求和节能目标对照明设备进行调节,以提供适当的照明水平并同时减少能源消耗。
总之,通过分析目标照明区域监控数据中的照明场景特征数据,并结合候选照明节点的特征,可以确定每个照明控制事件的照明场景特征数据,从而实现更精确和有效的照明节能控制行为。
在一种可能的实施方式中,在步骤S122中,如果所述候选照明节点是第一照明节点,将所述目标照明控制事件的照明场景特征数据输出为所述第一照明控制事件的照明场景特征数据,依据所述第三照明控制事件的照明场景特征数据和所述第一照明控制事件的照明场景特征数据,确定所述第二照明控制事件的照明场景特征数据。
例如,假设候选照明节点是第一照明节点(入口区域),则将目标照明控制事件的照明场景特征数据直接作为第一照明控制事件的照明场景特征数据。因为目标照明控制事件已经对应于第一照明控制事件,所以它们的照明场景特征数据是相同的。
依据第三照明控制事件的照明场景特征数据和第一照明控制事件的照明场景特征数据,确定第二照明控制事件的照明场景特征数据。
在这个步骤中,使用第三照明控制事件的照明场景特征数据和第一照明控制事件的照明场景特征数据来确定第二照明控制事件(出口区域)的照明场景特征数据。
以前面的例子为基础,通过分析第三照明控制事件的照明场景特征数据(隧道整体的光强度逐渐增加、交通流量变化),结合第一照明控制事件的照明场景特征数据(入口区域的光强度较低、交通流量高),可以确定第二照明控制事件的照明场景特征数据,例如:
第二照明控制事件的照明场景特征数据:
光强度:较高(800 lux)
交通流量:低(少量车辆)
通过以上步骤,根据目标照明控制事件、候选照明节点和第一照明控制事件的照明场景特征数据,确定了第一照明控制事件和第二照明控制事件的照明场景特征数据,以支持更精确和有效的照明节能控制行为。
另在一种可能的实施方式中,在步骤S122中,如果所述候选照明节点是第二照明节点,将所述目标照明控制事件的照明场景特征数据输出为所述第二照明控制事件的照明场景特征数据。依据所述第三照明控制事件的照明场景特征数据和所述第二照明控制事件的照明场景特征数据,确定所述第一照明控制事件的照明场景特征数据。
例如,假设候选照明节点是第二照明节点(出口区域),则将目标照明控制事件的照明场景特征数据直接作为第二照明控制事件的照明场景特征数据。因为目标照明控制事件已经对应于第二照明控制事件,所以它们的照明场景特征数据是相同的。
依据第三照明控制事件的照明场景特征数据和第二照明控制事件的照明场景特征数据,确定第一照明控制事件的照明场景特征数据。
在这个步骤中,使用第三照明控制事件的照明场景特征数据和第二照明控制事件的照明场景特征数据来确定第一照明控制事件(入口区域)的照明场景特征数据。
以前面的例子为基础,通过分析第三照明控制事件的照明场景特征数据(隧道整体的光强度逐渐增加、交通流量变化),结合第二照明控制事件的照明场景特征数据(出口区域的光强度较高、交通流量低),可以确定第一照明控制事件的照明场景特征数据,例如:
第一照明控制事件的照明场景特征数据:
光强度:逐渐增加从出口到入口
交通流量:变化(从低到高)
通过以上步骤,根据目标照明控制事件、候选照明节点和第二照明控制事件的照明场景特征数据,确定了第一照明控制事件和第二照明控制事件的照明场景特征数据,以支持更精确和有效的照明节能控制行为。
在另一种可能的实施方式中,所述候选照明节点包括所述第一照明节点和所述第二照明节点,在步骤S122中,将所述第一照明节点对应的目标照明控制事件的照明场景特征数据输出为所述第一照明控制事件的照明场景特征数据,以及将所述第二照明节点对应的目标照明控制事件的照明场景特征数据输出为所述第二照明控制事件的照明场景特征数据。
例如,假设有两个候选照明节点,即第一照明节点(入口区域)和第二照明节点(出口区域)。这些照明节点代表了不同的照明区域,希望根据目标照明控制事件来确定它们的照明场景特征数据。
例如,依据目标照明控制事件的照明场景特征数据确定第一照明控制事件和第二照明控制事件的照明场景特征数据。根据目标照明控制事件的照明场景特征数据,确定了第一照明控制事件和第二照明控制事件的照明场景特征数据。在这个步骤中,可以将目标照明控制事件的照明场景特征数据直接输出为相应照明控制事件的照明场景特征数据。
以前面的例子为基础,假设目标照明控制事件是入口区域(第一照明控制事件),则将该事件的照明场景特征数据作为第一照明控制事件的照明场景特征数据。同样地,如果目标照明控制事件是出口区域(第二照明控制事件),则将该事件的照明场景特征数据输出为第二照明控制事件的照明场景特征数据。
通过以上步骤,根据目标照明控制事件和候选照明节点,将目标照明控制事件的照明场景特征数据分别输出为第一照明控制事件和第二照明控制事件的照明场景特征数据。这样可以针对不同的照明区域实现更准确和有效的照明节能控制行为。
在一种可能的实施方式中,在步骤S121中,可以通过预置神经网络模型对所述目标照明区域监控数据中的待控制照明区域进行照明场景特征提取,生成所述待控制照明区域对应的第三照明控制事件的照明场景特征数据,以及依据所述预置神经网络模型对所述待控制照明区域的候选照明节点进行照明场景特征提取,生成所述候选照明节点对应的目标照明控制事件的照明场景特征数据。
例如,使用预置的神经网络模型来处理目标照明区域监控数据中的待控制照明区域,以提取照明场景特征并生成第三照明控制事件的照明场景特征数据。神经网络模型可以学习和识别不同的照明场景特征,并将其转化为可用的数据形式。
类似地,还使用预置的神经网络模型对待控制照明区域的候选照明节点进行照明场景特征提取,能够分析候选照明节点所对应的照明情况,并将其转化为候选照明节点对应的目标照明控制事件的照明场景特征数据。
通过以上步骤,能够通过预置神经网络模型对待控制照明区域和候选照明节点进行照明场景特征提取,并生成它们对应的目标照明控制事件的照明场景特征数据。这些数据将在后续步骤中用于决策和执行照明节能控制行为。
在一种可能的实施方式中,所述预置神经网络模型的训练步骤,具体包括:
步骤S101,获取范例照明区域监控数据。
本实施例中,所述范例照明区域监控数据中携带第一范例照明节点对应的第一先验标注照明控制事件、第二范例照明节点对应的第二先验标注照明控制事件、范例照明区域对应的第三先验标注照明控制事件、所述第一范例照明节点的交通拥堵标注事件和所述第二范例照明节点的交通拥堵标注事件,所述第一范例照明节点和所述第二范例照明节点是所述范例照明区域包括的不同照明节点,所述第一范例照明节点和所述第二范例照明节点为基于所述范例照明区域的照明路径对所述范例照明区域进行节点划分生成的,所述第一先验标注照明控制事件和所述第二先验标注照明控制事件位于所述第三先验标注照明控制事件的控制区间内。
步骤S102,依据所述范例照明区域监控数据,通过初始化神经网络输出目标范例照明节点对应的第一推定照明控制事件,以及依据所述初始化神经网络输出所述范例照明区域对应的第二推定照明控制事件,所述目标范例照明节点是所述第一范例照明节点和所述第二范例照明节点中交通拥堵标注事件指示隧道交通拥堵的照明节点。
步骤S103,依据所述第一推定照明控制事件的照明场景特征数据确定所述第一范例照明节点对应的第三推定照明控制事件的照明场景特征数据以及所述第二范例照明节点对应的第四推定照明控制事件的照明场景特征数据。 依据所述第三推定照明控制事件的照明场景特征数据和所述第四推定照明控制事件的照明场景特征数据确定所述第三推定照明控制事件与所述第四推定照明控制事件在城市隧道生成空间下的第二照明转换信息。 依据所述第二照明转换信息,基于所述第三推定照明控制事件的照明场景特征数据和所述第四推定照明控制事件的照明场景特征数据计算所述范例照明区域在所述城市隧道生成空间下的推定照明节能控制行为。
步骤S104,基于所述推定照明节能控制行为和先验标注照明节能控制行为生成照明节能控制误差,并基于所述第三推定照明控制事件和所述第一先验标注照明控制事件生成第一推定误差,以及基于所述第四推定照明控制事件和所述第二先验标注照明控制事件生成第二推定误差,以及基于所述第二推定照明控制事件和所述第三先验标注照明控制事件生成第三推定误差。
步骤S105,依据所述照明节能控制误差、所述第一推定误差、所述第二推定误差和所述第三推定误差对所述初始化神经网络进行网络参数更新生成所述预置神经网络模型。
在一种可能的实施方式中,所述第一先验标注照明控制事件和所述第二先验标注照明控制事件为节能照明控制事件,本实施例还可以对所述第一先验标注照明控制事件和所述第二先验标注照明控制事件中的一个或多个照明控制事件进行规则化转换,生成规则化转换后的第一先验标注照明控制事件和规则化转换后的第二先验标注照明控制事件。
在基于所述第三推定照明控制事件和所述第一先验标注照明控制事件生成第一推定误差的过程中,可以基于所述第三推定照明控制事件和所述规则化转换后的第一先验标注照明控制事件生成所述第一推定误差。
在基于所述第四推定照明控制事件和所述第二先验标注照明控制事件生成第二推定误差的过程中,可以基于所述第四推定照明控制事件和所述规则化转换后的第二先验标注照明控制事件生成所述第二推定误差。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的应用于隧道的照明节能控制系统100。
对于一个实施例,图2示出了应用于隧道的照明节能控制系统100,该应用于隧道的照明节能控制系统100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVY)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110,和被耦合到控制模块104的网络接口112。
处理器102可包括一个或多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一种可替代的实施方式中,应用于隧道的照明节能控制系统100能够作为本申请实施例中所述网关等服务器设备。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的应用于隧道的照明节能控制系统100。
对于一个实施例,图2示出了应用于隧道的照明节能控制系统100,该应用于隧道的照明节能控制系统100具有一个或多个处理器102、被耦合到(一个或多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的一个或多个输入/输出设备110,和被耦合到控制模块104的网络接口112。
处理器102可包括一个或多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一种可替代的实施方式中,应用于隧道的照明节能控制系统100能够作为本申请实施例中所述网关等服务器设备。
一种可替代的实施方式中,应用于隧道的照明节能控制系统100可包括具有指令114的一个或多个计算机可读介质(例如,存储器106或NVM/存储设备108)和与该一个或多个计算机可读介质相汇聚被配置为执行指令114以实现模块从而执行本公开中所述的动作的一个或多个处理器102。
对于一个实施例,控制模块104可包括任意适当的接口控制器,以向(一个或多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的设备或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块,以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为应用于隧道的照明节能控制系统100加载和存储数据和/或指令114。对于一个实施例,存储器106可包括任意适当的易失性存储器,例如,适当的DRAM。一种可替代的实施方式中,存储器106可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块104可包括一个或多个输入/输出控制器,以向NVM/存储设备108及(一个或多个)输入/输出设备110提供接口。
例如,NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备108可包括在物理上作为应用于隧道的照明节能控制系统100被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备108可依据网络经由(一个或多个)输入/输出设备110进行访问。
(一个或多个)输入/输出设备110可为应用于隧道的照明节能控制系统100提供接口以与任意其它适当的设备通信,输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为应用于隧道的照明节能控制系统100提供接口以依据一个或多个网络通信,应用于隧道的照明节能控制系统100可依据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入依据通信标准的无线网络,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器(例如,存储器控制器模块)的逻辑加载在一起。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑加载在一起以形成系统级加载。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器102中的一个或多个可与控制模块104的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,应用于隧道的照明节能控制系统100可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,应用于隧道的照明节能控制系统100可具有更多或更少的组件和/或不同的架构。例如,一种可替代的实施方式中,应用于隧道的照明节能控制系统100包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。