CN117896878A - 一种应用于作业区域的节能灯控控制方法及系统 - Google Patents
一种应用于作业区域的节能灯控控制方法及系统 Download PDFInfo
- Publication number
- CN117896878A CN117896878A CN202410286887.9A CN202410286887A CN117896878A CN 117896878 A CN117896878 A CN 117896878A CN 202410286887 A CN202410286887 A CN 202410286887A CN 117896878 A CN117896878 A CN 117896878A
- Authority
- CN
- China
- Prior art keywords
- working
- track
- particles
- area
- time
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000002245 particle Substances 0.000 claims abstract description 204
- 238000005286 illumination Methods 0.000 claims abstract description 64
- 238000010586 diagram Methods 0.000 claims abstract description 33
- 230000010354 integration Effects 0.000 claims abstract description 9
- 230000000694 effects Effects 0.000 claims description 55
- 230000000875 corresponding effect Effects 0.000 claims description 37
- 238000012512 characterization method Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 9
- 238000012916 structural analysis Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
本发明公开了一种应用于作业区域的节能灯控控制方法及系统，涉及灯控技术领域，具体公开了构建作业区域参考图，将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现，对人员对应的活动粒子配置若干工作属性标签，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率，基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定需要预备启动的照明区域，本发明通过上述技术方案实现了对作业区域内人员的分布和活动的判断和分析，进而实现对不同照明区域节能灯的优化控制，减少了能源的消耗。
Description
技术领域
本发明涉及灯控技术领域，尤其涉及一种应用于作业区域的节能灯控控制方法及系统。
背景技术
在现代工业及办公环境中，有效的照明系统是保证作业区域安全、提升工作效率和节约能源的重要部分。传统的照明控制方法往往是静态的，例如，固定时间的开关控制或者简单的手动控制，这些方法不能很好地适应作业区域内人员流动的动态变化。随着智能化水平的提升，更为精细和自适应的照明控制系统显得尤为重要。
为了解决传统照明控制方法中存在的不足，如无法根据实际人员分布和活动模式进行光照调整，进而导致能源浪费或照明不足的问题，需要开发一种智能的节能照明控制方法。
发明内容
本发明的目的是为了提供一种能够根据人员分布和活动模型控制节能灯照明的控制方法及系统。
本发明公开了一种应用于作业区域的节能灯控控制方法，其包括：
对作业区域的进行结构分析，构建作业区域参考图，并将若干作业子区域、作业通道和照明区域在作业区域参考图上进行划定标记；
采集同一时间区段内作业区域内不同人员的活动信息，并针对的每一人员定义活动粒子，并基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现，并将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现；
对作业区域内的人员的工作属性因子信息进行确定，并基于每一人员的工作属性因子信息对人员对应的活动粒子配置若干工作属性标签；
对作业区域参考图的综合表现中活动粒子的动态表现进行时间位置对应关系的分析，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率；
在需要确定预备启动的照明区域时，基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定出当下活动粒子的逐次进入到不同照明区域的存在参考概率，进而确定需要预备启动的照明区域。
在本发明公开的一些实施例中，基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现的方法包括：
对人员的活动信息进行分析，确定人员在不同时间节点的位置信息，并基于人员的位置信息，将对应的活动粒子在作业区域参考图上进行标记，并将活动粒子所处的时间节点对活动粒子进行标记；
将等同的活动粒子进行关联，并基于活动粒子各自标记的时间节点先后关系，确定活动粒子的走向，并基于活动粒子的走向，对活动粒子标记移动向量，其中，移动向量的指向根据活动粒子的走向确定，移动向量的长度根据活动粒子的行进速度确定。
在本发明公开的一些实施例中，对作业区域内的人员的工作属性因子信息进行确定的方法包括：
对人员配置第一工作属性因子集，所述第一工作属性因子集包括若干工作属性因子；
对第一工作属性因子集中的工作属性因子进行轨迹相关性筛选，并将筛选后的工作属性因子整合为第二工作属性因子集；
依照第二工作属性因子集对人员的工作属性因子进行采集。
在本发明公开的一些实施例中，对第一工作属性因子集中的工作属性因子进行轨迹相关性筛选的方法包括：
以第一工作属性因子集中每一工作属性因子为截选标准，对作业区域参考图的综合表现中的活动粒子进行截选，并将截选出的活动粒子的轨迹进行划定；
将截选出来的活动粒子的轨迹在时间维度上和位置维度上进行比对，确定出活动粒子的轨迹的轨迹特征化程度，若轨迹特征化程度大于等于预设值，则认定工作属性因子符合筛选条件。
在本发明公开的一些实施例中，将截选出来的活动粒子的轨迹在时间维度上和位置维度上进行比对的方法包括：
对截选出来的活动粒子的轨迹所处的时间区段进行确定，记为轨迹时间区段；
确定出轨迹时间区段中的最早轨迹时间区段和最晚轨迹时间区段，并在最早轨迹时间区段和最晚时间区段之间动态设定若干预设参考时间区段，记录落入不同预设参考时间区段内的轨迹时间区段的聚拢时间区段数量，并确定出最大聚拢时间区段数量；
对截选出来的活动粒子的轨迹经过的作业子区域和作业通道进行确定，并确定每一作业子区域和作业通道的轨迹通过次数；
计算每一作业子区域和作业通道的轨迹通过次数与截选出来的活动粒子的轨迹数量的比值，若比值大于预设值，则认定对应的作业子区域或作业通道为规律性经过区域；
基于最大聚拢时间区段数量，构建第一轨迹特征算子，基于规律性经过区域的数量，构建第二轨道特征算子；
其中，计算活动粒子的轨迹的轨迹特征化程度的表达式为：
；
其中，为轨迹特征化程度，/>为第一特征化程度转换系数，/>为第二特征化程度转换系数，/>为最大聚拢时间区段数量，/>为截选出来的活动粒子的轨迹数量，/>为第一特征化程度调整常数，/>为第i个作业子区域或作业通道的重要程度权重系数，/>为截选出来的活动粒子的轨迹数量，/>为比值判断函数，若第i个作业子区域或作业通道的轨迹通过次数与截选出来的活动粒子的轨迹数量的比值大于预设值，则/>输出1，否则输出0。
在本发明公开的一些实施例中，对作业区域参考图综合表现中活动粒子的动态表现进行时间位置对应关系分析的方法包括：
对作业区域参考图综合表现中每一活动粒子在不同时间节点的所属照明区域和移动向量进行确定；
基于不同时间节点下，照明区域中不同类别的活动粒子的比例，确定等同活动粒子在所述照明区域的存在参考概率，并结合活动粒子的移动向量，构建活动粒子轨迹的马尔科夫链关系；
针对活动粒子的类别与马尔科夫链关系的对应关系，构建活动粒子类别-马尔科夫链关系匹配模型。
在本发明公开的一些实施例中，确定需要预备启动的照明区域的方法包括：
实时获取人员的活动信息以及工作属性因子信息，得到对应的当下活动粒子以及当下活动粒子所属的作业子区域或作业通道，以及当下活动粒子的工作属性标签；
基于当下活动粒子的工作属性标签，在活动粒子类别-马尔科夫链关系匹配模型中匹配出对应的马尔科夫链关系，并基于当下活动粒子所属的作业子区域或作业通道，得到若干发生概率大于预设值的活动粒子的轨迹；
基于得到的活动粒子的轨迹，确定需要预备启动的照明区域。
在本发明公开的一些实施例中，还公开有一种应用于作业区域的节能灯控控制系统，包括：
第一模块，用于对作业区域的进行结构分析，构建作业区域参考图，并将若干作业子区域、作业通道和照明区域在作业区域参考图上进行划定标记；
第二模块，用于采集同一时间区段内作业区域内不同人员的活动信息，并针对的每一人员定义活动粒子，并基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现，并将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现；
第三模块，用于对作业区域内的人员的工作属性因子信息进行确定，并基于每一人员的工作属性因子信息对人员对应的活动粒子配置若干工作属性标签，还用于对作业区域参考图的综合表现中活动粒子的动态表现进行时间位置对应关系的分析，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率；
第四模块，用于基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定出当下活动粒子的逐次进入到不同照明区域的存在参考概率，进而确定需要预备启动的照明区域。
本发明公开了一种应用于作业区域的节能灯控控制方法及系统，涉及灯控技术领域，具体公开了构建作业区域参考图，将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现，对人员对应的活动粒子配置若干工作属性标签，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率，基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定需要预备启动的照明区域，本发明通过上述技术方案实现了对作业区域内人员的分布和活动的判断和分析，进而实现对不同照明区域节能灯的优化控制，减少了能源的消耗。
附图说明
图1为本发明提出的一种应用于作业区域的节能灯控控制方法的方法步骤图。
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。
本发明公开了一种应用于作业区域的节能灯控控制方法，参阅图1，其包括：
步骤S100，对作业区域的进行结构分析，构建作业区域参考图，并将若干作业子区域、作业通道和照明区域在作业区域参考图上进行划定标记。
在这一步中，首先对作业区域进行详尽的结构分析，制作一张作业区域参考图。该图标注出所有的作业子区域、通道和照明区域；这张图为后续步骤中模拟人员流动和制定照明控制策略提供了空间框架。
步骤S200，采集同一时间区段内作业区域内不同人员的活动信息，并针对的每一人员定义活动粒子，并基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现，并将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现。
在这一步中，通过收集人员在作业区域内的移动信息，将每个工作人员抽象为一个“活动粒子”；这些活动粒子在作业区域参考图上的移动轨迹反映了实际人员的动态分布；多个时间段的数据被整合，形成一个全面反映人员活动模式的图。
在本发明公开的一些实施例中，基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现的方法包括：
步骤S201，对人员的活动信息进行分析，确定人员在不同时间节点的位置信息，并基于人员的位置信息，将对应的活动粒子在作业区域参考图上进行标记，并将活动粒子所处的时间节点对活动粒子进行标记。
在这一步中，对相应的活动粒子进行标记，并记录活动粒子所处的时间节点；这样，每个活动粒子都与特定的位置和时间相关联，代表了相应人员在作业区域内的动态位置。
步骤S202，将等同的活动粒子进行关联，并基于活动粒子各自标记的时间节点先后关系，确定活动粒子的走向，并基于活动粒子的走向，对活动粒子标记移动向量，其中，移动向量的指向根据活动粒子的走向确定，移动向量的长度根据活动粒子的行进速度确定。
在这一步中，将具有相同属性的活动粒子进行关联，即识别出代表同一人员在不同时间点的活动粒子；通过比较活动粒子标记的时间节点的先后关系，确定活动粒子的走向，即人员的移动路径。然后，根据活动粒子的走向为其标记移动向量；移动向量的指向由活动粒子的走向决定，表示人员的移动方向；移动向量的长度由活动粒子的行进速度决定，表示人员在两个时间点之间的移动距离。
其中，对于获取人员的活动信息，可以利用人体视觉分析算法进行获取，具体包括：
（1）视频数据采集：部署摄像头覆盖作业区域，持续采集视频数据；确保摄像头能够捕捉到所有相关区域的人员活动情况。（2）数据预处理：对采集到的视频数据进行预处理，包括去噪、调整对比度和亮度等，以提高后续处理的准确度和效率。（3）人体检测：应用人体检测算法（如基于深度学习的卷积神经网络CNN）来识别视频中的人体；这通常涉及到使用预先训练好的模型来检测视频帧中的人体轮廓。（4）人体追踪：在检测到人体后，使用追踪算法（如卡尔曼滤波器、粒子滤波器或SORT追踪算法）来追踪个体在不同帧之间的移动；这一步骤旨在建立每个人员在连续视频帧中的位置序列。（5）行为分析：结合人体检测和追踪的数据，进一步分析人员的行为模式。（6）数据分析与映射：将追踪和行为分析得到的人员活动信息转化为活动粒子的数据，按照之前描述的步骤S201和S202，将这些信息映射到作业区域参考图上。（7）高级处理与决策支持：可选地，还可以使用更高级的数据处理技术，如机器学习或模式识别算法，来提取更复杂的行为特征或预测未来的移动趋势，从而为智能照明控制提供更多的决策支持。
步骤S300，对作业区域内的人员的工作属性因子信息进行确定，并基于每一人员的工作属性因子信息对人员对应的活动粒子配置若干工作属性标签。
在这一步中，分析并记录每位人员的工作属性因子，如其岗位、职能、任务和工作时间等；然后，根据这些信息为每个活动粒子打上相应的工作属性标签；这使得系统能够理解不同人员在不同区域和时间的工作内容和需求。
在本发明公开的一些实施例中，对作业区域内的人员的工作属性因子信息进行确定的方法包括：
步骤S301，对人员配置第一工作属性因子集，所述第一工作属性因子集包括若干工作属性因子。
在这一步中，为每位工作人员配置一个包含多个工作属性因子的集合；这个第一工作属性因子集可能包括但不限于工作岗位、工作职能、工作任务、工作时间等因子。
步骤S302，对第一工作属性因子集中的工作属性因子进行轨迹相关性筛选，并将筛选后的工作属性因子整合为第二工作属性因子集。
在这一步中，对这些工作属性因子进行筛选，以确定哪些属性与人员的移动轨迹和活动区域有较强的相关性；这一步骤的目的是过滤掉那些对于预测照明需求不太有用的属性，从而减少数据处理的复杂性。
步骤S303，依照第二工作属性因子集对人员的工作属性因子进行采集。
在本发明公开的一些实施例中，对第一工作属性因子集中的工作属性因子进行轨迹相关性筛选的方法包括：
步骤S3021，以第一工作属性因子集中每一工作属性因子为截选标准，对作业区域参考图的综合表现中的活动粒子进行截选，并将截选出的活动粒子的轨迹进行划定。
步骤S3022，将截选出来的活动粒子的轨迹在时间维度上和位置维度上进行比对，确定出活动粒子的轨迹的轨迹特征化程度，若轨迹特征化程度大于等于预设值，则认定工作属性因子符合筛选条件。
在本发明公开的一些实施例中，将截选出来的活动粒子的轨迹在时间维度上和位置维度上进行比对的方法包括：
步骤S30221，对截选出来的活动粒子的轨迹所处的时间区段进行确定，记为轨迹时间区段。
步骤S30222，确定出轨迹时间区段中的最早轨迹时间区段和最晚轨迹时间区段，并在最早轨迹时间区段和最晚时间区段之间动态设定若干预设参考时间区段，记录落入不同预设参考时间区段内的轨迹时间区段的聚拢时间区段数量，并确定出最大聚拢时间区段数量。
步骤S30223，对截选出来的活动粒子的轨迹经过的作业子区域和作业通道进行确定，并确定每一作业子区域和作业通道的轨迹通过次数。
步骤S30224，计算每一作业子区域和作业通道的轨迹通过次数与截选出来的活动粒子的轨迹数量的比值，若比值大于预设值，则认定对应的作业子区域或作业通道为规律性经过区域。
步骤S30224，基于最大聚拢时间区段数量，构建第一轨迹特征算子，基于规律性经过区域的数量，构建第二轨道特征算子。
其中，计算活动粒子的轨迹的轨迹特征化程度的表达式为：
。
其中，为轨迹特征化程度，/>为第一特征化程度转换系数，/>为第二特征化程度转换系数，/>为最大聚拢时间区段数量，/>为截选出来的活动粒子的轨迹数量，/>为第一特征化程度调整常数，/>为第i个作业子区域或作业通道的重要程度权重系数，/>为截选出来的活动粒子的轨迹数量，/>为比值判断函数，若第i个作业子区域或作业通道的轨迹通过次数与截选出来的活动粒子的轨迹数量的比值大于预设值，则/>输出1，否则输出0。
步骤S400，对作业区域参考图的综合表现中活动粒子的动态表现进行时间位置对应关系的分析，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率。
在这一步中，系统分析带有时间标记的活动粒子位置，以及它们的工作属性标签，来估计不同类别的人员在各个时间段出现在特定照明区域的概率；这样可以得到一个关于哪些照明区域在何时可能被使用的概率模型。
在本发明公开的一些实施例中，对作业区域参考图综合表现中活动粒子的动态表现进行时间位置对应关系分析的方法包括：
步骤S401，对作业区域参考图综合表现中每一活动粒子在不同时间节点的所属照明区域和移动向量进行确定。
在这一步中，识别作业区域参考图上每个活动粒子在不同时间节点所在的照明区域，并记录它们的移动向量；移动向量反映了活动粒子从一个时间点到另一个时间点的移动方向和距离。
步骤S402，基于不同时间节点下，照明区域中不同类别的活动粒子的比例，确定等同活动粒子在所述照明区域的存在参考概率，并结合活动粒子的移动向量，构建活动粒子轨迹的马尔科夫链关系。
在这一步中，基于不同时间节点下，各照明区域内各类别活动粒子的比例，计算等同类别活动粒子在特定照明区域的存在概率；这个概率表示了活动粒子在特定照明区域出现的可能性。然后结合活动粒子的移动向量，为每个照明区域构建活动粒子轨迹的马尔科夫链模型；马尔科夫链是一种统计模型，用于描述一个系统从一个状态转移到另一个状态的概率过程。
步骤S403，针对活动粒子的类别与马尔科夫链关系的对应关系，构建活动粒子类别-马尔科夫链关系匹配模型。
在这一步中，根据活动粒子的类别与马尔科夫链的关系，建立一个匹配模型；这个模型将活动粒子的种类与它们在马尔科夫链中的转移概率关联起来，以预测未来某个时间段内活动粒子在各个照明区域的分布情况。
步骤S500，在需要确定预备启动的照明区域时，基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定出当下活动粒子的逐次进入到不同照明区域的存在参考概率，进而确定需要预备启动的照明区域。
在这一步中，基于当前活动粒子的位置、工作属性标签以及存在概率，智能系统预测并决定需要点亮或保持照明的区域；这个决策过程不仅考虑了人员的当前分布情况，还考虑了他们的工作属性和潜在的移动趋势，以便提前安排照明，确保作业区域的有效照明覆盖，同时最大限度地节约能源。
在本发明公开的一些实施例中，确定需要预备启动的照明区域的方法包括：
步骤S501，实时获取人员的活动信息以及工作属性因子信息，得到对应的当下活动粒子以及当下活动粒子所属的作业子区域或作业通道，以及当下活动粒子的工作属性标签。
步骤S502，基于当下活动粒子的工作属性标签，在活动粒子类别-马尔科夫链关系匹配模型中匹配出对应的马尔科夫链关系，并基于当下活动粒子所属的作业子区域或作业通道，得到若干发生概率大于预设值的活动粒子的轨迹。
步骤S503，基于得到的活动粒子的轨迹，确定需要预备启动的照明区域。
在本发明公开的一些实施例中，还公开有一种应用于作业区域的节能灯控控制系统，包括：第一模块、第二模块、第三模块和第四模块。
所述第一模块用于对作业区域的进行结构分析，构建作业区域参考图，并将若干作业子区域、作业通道和照明区域在作业区域参考图上进行划定标记。
所述第二模块用于采集同一时间区段内作业区域内不同人员的活动信息，并针对的每一人员定义活动粒子，并基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现，并将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现。
所述第三模块用于对作业区域内的人员的工作属性因子信息进行确定，并基于每一人员的工作属性因子信息对人员对应的活动粒子配置若干工作属性标签，还用于对作业区域参考图的综合表现中活动粒子的动态表现进行时间位置对应关系的分析，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率。
所述第四模块用于基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定出当下活动粒子的逐次进入到不同照明区域的存在参考概率，进而确定需要预备启动的照明区域。
本发明公开了一种应用于作业区域的节能灯控控制方法及系统，涉及灯控技术领域，具体公开了构建作业区域参考图，将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现，对人员对应的活动粒子配置若干工作属性标签，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率，基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定需要预备启动的照明区域，本发明通过上述技术方案实现了对作业区域内人员的分布和活动的判断和分析，进而实现对不同照明区域节能灯的优化控制，减少了能源的消耗。
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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种应用于作业区域的节能灯控控制方法，其特征在于，包括：
对作业区域的进行结构分析，构建作业区域参考图，并将若干作业子区域、作业通道和照明区域在作业区域参考图上进行划定标记；
采集同一时间区段内作业区域内不同人员的活动信息，并针对的每一人员定义活动粒子，并基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现，并将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现；
对作业区域内的人员的工作属性因子信息进行确定，并基于每一人员的工作属性因子信息对人员对应的活动粒子配置若干工作属性标签；
对作业区域参考图的综合表现中活动粒子的动态表现进行时间位置对应关系的分析，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率；
在需要确定预备启动的照明区域时，基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定出当下活动粒子的逐次进入到不同照明区域的存在参考概率，进而确定需要预备启动的照明区域。
2.根据权利要求1所述的一种应用于作业区域的节能灯控控制方法，其特征在于，基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现的方法包括：
对人员的活动信息进行分析，确定人员在不同时间节点的位置信息，并基于人员的位置信息，将对应的活动粒子在作业区域参考图上进行标记，并将活动粒子所处的时间节点对活动粒子进行标记；
将等同的活动粒子进行关联，并基于活动粒子各自标记的时间节点先后关系，确定活动粒子的走向，并基于活动粒子的走向，对活动粒子标记移动向量，其中，移动向量的指向根据活动粒子的走向确定，移动向量的长度根据活动粒子的行进速度确定。
3.根据权利要求1所述的一种应用于作业区域的节能灯控控制方法，其特征在于，对作业区域内的人员的工作属性因子信息进行确定的方法包括：
对人员配置第一工作属性因子集，所述第一工作属性因子集包括若干工作属性因子；
对第一工作属性因子集中的工作属性因子进行轨迹相关性筛选，并将筛选后的工作属性因子整合为第二工作属性因子集；
依照第二工作属性因子集对人员的工作属性因子进行采集。
4.根据权利要求3所述的一种应用于作业区域的节能灯控控制方法，其特征在于，对第一工作属性因子集中的工作属性因子进行轨迹相关性筛选的方法包括：
以第一工作属性因子集中每一工作属性因子为截选标准，对作业区域参考图的综合表现中的活动粒子进行截选，并将截选出的活动粒子的轨迹进行划定；
将截选出来的活动粒子的轨迹在时间维度上和位置维度上进行比对，确定出活动粒子的轨迹的轨迹特征化程度，若轨迹特征化程度大于等于预设值，则认定工作属性因子符合筛选条件。
5.根据权利要求4所述的一种应用于作业区域的节能灯控控制方法，其特征在于，将截选出来的活动粒子的轨迹在时间维度上和位置维度上进行比对的方法包括：
对截选出来的活动粒子的轨迹所处的时间区段进行确定，记为轨迹时间区段；
确定出轨迹时间区段中的最早轨迹时间区段和最晚轨迹时间区段，并在最早轨迹时间区段和最晚时间区段之间动态设定若干预设参考时间区段，记录落入不同预设参考时间区段内的轨迹时间区段的聚拢时间区段数量，并确定出最大聚拢时间区段数量；
对截选出来的活动粒子的轨迹经过的作业子区域和作业通道进行确定，并确定每一作业子区域和作业通道的轨迹通过次数；
计算每一作业子区域和作业通道的轨迹通过次数与截选出来的活动粒子的轨迹数量的比值，若比值大于预设值，则认定对应的作业子区域或作业通道为规律性经过区域；
基于最大聚拢时间区段数量，构建第一轨迹特征算子，基于规律性经过区域的数量，构建第二轨道特征算子；
其中，计算活动粒子的轨迹的轨迹特征化程度的表达式为：
；
其中，为轨迹特征化程度，/>为第一特征化程度转换系数，/>为第二特征化程度转换系数，/>为最大聚拢时间区段数量，/>为截选出来的活动粒子的轨迹数量，/>为第一特征化程度调整常数，/>为第i个作业子区域或作业通道的重要程度权重系数，/>为截选出来的活动粒子的轨迹数量，/>为比值判断函数，若第i个作业子区域或作业通道的轨迹通过次数与截选出来的活动粒子的轨迹数量的比值大于预设值，则/>输出1，否则输出0。
6.根据权利要求1所述的一种应用于作业区域的节能灯控控制方法，其特征在于，对作业区域参考图综合表现中活动粒子的动态表现进行时间位置对应关系分析的方法包括：
对作业区域参考图综合表现中每一活动粒子在不同时间节点的所属照明区域和移动向量进行确定；
基于不同时间节点下，照明区域中不同类别的活动粒子的比例，确定等同活动粒子在所述照明区域的存在参考概率，并结合活动粒子的移动向量，构建活动粒子轨迹的马尔科夫链关系；
步骤S403，针对活动粒子的类别与马尔科夫链关系的对应关系，构建活动粒子类别-马尔科夫链关系匹配模型。
7.根据权利要求6所述的一种应用于作业区域的节能灯控控制方法，其特征在于，确定需要预备启动的照明区域的方法包括：
实时获取人员的活动信息以及工作属性因子信息，得到对应的当下活动粒子以及当下活动粒子所属的作业子区域或作业通道，以及当下活动粒子的工作属性标签；
基于当下活动粒子的工作属性标签，在活动粒子类别-马尔科夫链关系匹配模型中匹配出对应的马尔科夫链关系，并基于当下活动粒子所属的作业子区域或作业通道，得到若干发生概率大于预设值的活动粒子的轨迹；
基于得到的活动粒子的轨迹，确定需要预备启动的照明区域。
8.一种应用于作业区域的节能灯控控制系统，其特征在于，包括：
第一模块，用于对作业区域的进行结构分析，构建作业区域参考图，并将若干作业子区域、作业通道和照明区域在作业区域参考图上进行划定标记；
第二模块，用于采集同一时间区段内作业区域内不同人员的活动信息，并针对的每一人员定义活动粒子，并基于每一人员的活动信息驱使活动粒子在作业区域参考图上进行表现，并将对应若干个时间区段对应的作业区域参考图进行表现整合，得到作业区域参考图的综合表现；
第三模块，用于对作业区域内的人员的工作属性因子信息进行确定，并基于每一人员的工作属性因子信息对人员对应的活动粒子配置若干工作属性标签，还用于对作业区域参考图的综合表现中活动粒子的动态表现进行时间位置对应关系的分析，确定不同类别的活动粒子在不同时间节点下，在不同照明区域的存在参考概率；
第四模块，用于基于当下活动粒子配置的工作属性标签，以及当下活动粒子在当下时间节点下实际存在的作业子区域和作业通道，确定出当下活动粒子的逐次进入到不同照明区域的存在参考概率，进而确定需要预备启动的照明区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410286887.9A CN117896878B (zh) | 2024-03-13 | 2024-03-13 | 一种应用于作业区域的节能灯控控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410286887.9A CN117896878B (zh) | 2024-03-13 | 2024-03-13 | 一种应用于作业区域的节能灯控控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117896878A true CN117896878A (zh) | 2024-04-16 |
| CN117896878B CN117896878B (zh) | 2024-05-24 |
Family
ID=90652033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410286887.9A Active CN117896878B (zh) | 2024-03-13 | 2024-03-13 | 一种应用于作业区域的节能灯控控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117896878B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080183337A1 (en) * | 2007-01-31 | 2008-07-31 | Fifth Light Technology Ltd. | Methods and systems for controlling addressable lighting units |
| JP2010009847A (ja) * | 2008-06-25 | 2010-01-14 | Panasonic Electric Works Co Ltd | 自動点灯制御式照明システム |
| WO2011055261A1 (en) * | 2009-11-03 | 2011-05-12 | Koninklijke Philips Electronics N.V. | Object-sensing lighting network and control system therefor |
| WO2013011411A1 (en) * | 2011-07-20 | 2013-01-24 | Koninklijke Philips Electronics N.V. | Method and configuration unit for configuring a lighting system |
| CN109922586A (zh) * | 2019-04-18 | 2019-06-21 | 安徽建筑大学 | 基于室内照度和人员位置移动模型的智能照明控制方法 |
| CN111163572A (zh) * | 2020-01-07 | 2020-05-15 | 国电智能科技(深圳)有限公司 | 一种基于大数据的路灯照明节能管理的方法及其系统 |
| KR102166962B1 (ko) * | 2020-06-25 | 2020-10-16 | 한미헬스케어 주식회사 | 위치정보 기반의 차등적 조명제어시스템 |
| CN113825284A (zh) * | 2021-08-10 | 2021-12-21 | 富德泰斯智慧科技昆山有限公司 | 基于物联网的智慧路灯控制管理系统及方法 |
| WO2023279821A1 (zh) * | 2021-07-09 | 2023-01-12 | 佛山电器照明股份有限公司 | 光环境智能调控方法、光环境智能调控系统及设备 |
| CN116828673A (zh) * | 2023-07-04 | 2023-09-29 | 壹品慧数字科技(上海)有限公司 | 一种基于人工智能的园区照明智能控制系统 |
| CN117098282A (zh) * | 2023-10-18 | 2023-11-21 | 硬创(济宁)控股有限公司 | 一种基于智慧园区的大数据管理系统及其方法 |
| KR102640111B1 (ko) * | 2023-08-07 | 2024-02-23 | (주)알트온 | 스마트폰을 이용한 보행자 이동 경로 추적 기반의 가로등제어 시스템 |
-
2024
- 2024-03-13 CN CN202410286887.9A patent/CN117896878B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080183337A1 (en) * | 2007-01-31 | 2008-07-31 | Fifth Light Technology Ltd. | Methods and systems for controlling addressable lighting units |
| JP2010009847A (ja) * | 2008-06-25 | 2010-01-14 | Panasonic Electric Works Co Ltd | 自動点灯制御式照明システム |
| WO2011055261A1 (en) * | 2009-11-03 | 2011-05-12 | Koninklijke Philips Electronics N.V. | Object-sensing lighting network and control system therefor |
| WO2013011411A1 (en) * | 2011-07-20 | 2013-01-24 | Koninklijke Philips Electronics N.V. | Method and configuration unit for configuring a lighting system |
| CN109922586A (zh) * | 2019-04-18 | 2019-06-21 | 安徽建筑大学 | 基于室内照度和人员位置移动模型的智能照明控制方法 |
| CN111163572A (zh) * | 2020-01-07 | 2020-05-15 | 国电智能科技(深圳)有限公司 | 一种基于大数据的路灯照明节能管理的方法及其系统 |
| KR102166962B1 (ko) * | 2020-06-25 | 2020-10-16 | 한미헬스케어 주식회사 | 위치정보 기반의 차등적 조명제어시스템 |
| WO2023279821A1 (zh) * | 2021-07-09 | 2023-01-12 | 佛山电器照明股份有限公司 | 光环境智能调控方法、光环境智能调控系统及设备 |
| CN113825284A (zh) * | 2021-08-10 | 2021-12-21 | 富德泰斯智慧科技昆山有限公司 | 基于物联网的智慧路灯控制管理系统及方法 |
| CN116828673A (zh) * | 2023-07-04 | 2023-09-29 | 壹品慧数字科技(上海)有限公司 | 一种基于人工智能的园区照明智能控制系统 |
| KR102640111B1 (ko) * | 2023-08-07 | 2024-02-23 | (주)알트온 | 스마트폰을 이용한 보행자 이동 경로 추적 기반의 가로등제어 시스템 |
| CN117098282A (zh) * | 2023-10-18 | 2023-11-21 | 硬创(济宁)控股有限公司 | 一种基于智慧园区的大数据管理系统及其方法 |
Non-Patent Citations (4)
| Title |
|---|
| SYLVESTER ABOAGYE等: "RIS-Assisted Visible Light Communication Systems: A Tutorial", 《IEEE》, 1 December 2022 (2022-12-01) * |
| 刘起明;赵亮;杨军文;瞿少成;: "一种基于物联网的园区智慧路灯系统", 计算机与数字工程, no. 02, 20 February 2020 (2020-02-20) * |
| 苏英;: "一种基于ZigBee的办公楼宇智能照明系统", 滨州学院学报, no. 04, 15 August 2017 (2017-08-15) * |
| 黄黎明;: "智慧照明系统探索", 自动化与仪器仪表, no. 04, 25 April 2018 (2018-04-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117896878B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5278770B2 (ja) | 挙動認識システム | |
| US10007850B2 (en) | System and method for event monitoring and detection | |
| US7577294B2 (en) | Background maintenance of an image sequence | |
| CN106951889A (zh) | 井下高危区域动目标监测和管理系统 | |
| US20220189001A1 (en) | Rail feature identification system | |
| CN112489081A (zh) | 一种视觉目标跟踪方法及装置 | |
| Rentao et al. | Indoor smoking behavior detection based on yolov3-tiny | |
| CN117354986B (zh) | 一种多功能led灯珠的智能控制方法及系统 | |
| CN111476160A (zh) | 损失函数优化方法、模型训练方法、目标检测方法及介质 | |
| CN115617217B (zh) | 一种车辆状态的显示方法、装置、设备及可读存储介质 | |
| CN117710156A (zh) | 一种基于大数据的公路施工优化方法及系统 | |
| CN112395967A (zh) | 一种口罩佩戴监测方法、电子设备和可读存储介质 | |
| CN117896878B (zh) | 一种应用于作业区域的节能灯控控制方法及系统 | |
| CN112883755A (zh) | 一种基于深度学习与行为先验的吸烟和打电话检测方法 | |
| Giri et al. | RETRACTED: Indoor human occupancy detection using Machine Learning classification algorithms & their comparison | |
| KR102537943B1 (ko) | 이미지 데이터 라벨링 학습 방법 및 그 장치 | |
| Wu et al. | Computer vision-based intelligent elevator information system for efficient demand-based operation and optimization | |
| CN113742687B (zh) | 一种基于人工智能的物联网控制方法及系统 | |
| CN113344982B (zh) | 基于数据识别的工地粉尘控制数据处理方法 | |
| CN115456075A (zh) | 一种目标行为异常预警的处理系统及方法 | |
| KR20220138250A (ko) | 고농도 미세먼지 상황의 발생을 추론하기 위한 방법 및 전자 장치 | |
| Kabir et al. | A cloud-based robot framework for indoor object identification using unsupervised segmentation technique and convolution neural network (CNN) | |
| CN117237879B (zh) | 一种轨迹追踪方法和系统 | |
| CN117252851B (zh) | 一种基于图像检测识别的标准质量检测管理平台 | |
| Luo et al. | Gaussian successive fuzzy integral for sequential multi-decision making |
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 |