JP2018147718A - 照明制御方法および照明制御システム - Google Patents

Abstract

【課題】照度センサを設けることなく撮像装置からの画像信号に含まれる輝度情報に基づいて照度分布を推定し照明制御を行う照明制御方法を実現する。【解決手段】完全晴天時と完全曇天時の照度分布を合成することで任意の照度分布を再現して晴天比と曇天係数を算出し、撮影画像を画素単位の輝度値に変換して前回輝度の差分を画素ごとに算出し、各画素のＸ座標とＹ座標と輝度値と差分とを用いて、撮影画像の各領域の画素に関する複数の特徴量（画素数、平均輝度、輝度のばらつきの標準偏差、輝度最大値、輝度最小値、差分平均値、差分標準偏差、差分最大値、差分最小値）を算出し、複数の特徴量を説明変数とすると共に晴天比と曇天係数を目的変数として重回帰式の係数および定数を決定して晴天比の予測式と曇天係数の予測式を導出し、該予測式を用いて晴天比と曇天係数を算出し制御対象エリアの照度分布を算出して照明装置への制御値を算出するようにした。【選択図】図５

Description

本発明は、照明機器の明るさを制御する照明制御技術に関し、特に駅のプラットホームのような比較的大きな解放空間のあるエリア等における照明制御に利用して有効な照明制御方法および照明制御システムに関する。

従来、例えばビルのオフィス内などの照明制御装置には、設置されている照明機器を、周囲の照度に合わせて最適な明るさに自動調光することが可能に構成された照明制御装置がある。従来の一般的な照明制御装置は、オフィス等の照明対象エリア内の複数個所に設置した照度センサ（照度計）から得られた照度に基づいて算出した光度制御値を該当位置の照明機器に出力して、照明機器を制御するようにしている。しかし、オフィスのような広いスペースで照明機器を制御するには、多くの照度センサを配置することが必要になるとともに、点灯した照明機器の光が照度センサに入ってしまい本来の明るさが分からなくなるという課題がある。
そこで、撮像装置（カメラ）の撮影画像を利用して照明機器の明るさを制御するようにした照明制御装置やシステムに関する発明が提案されている（例えば、特許文献１、２）。

特開２０１４−１２７２９１号公報 特開２０１４−６３６５６号公報

上記特許文献１に開示されている照明機器の制御技術は、入力された画像の輝度と照度算出手段で算出される予め設定された光度に対する照度とから、輝度と照度との関係を示すサンプルデータを作成し、作成したサンプルデータを用いて照明機器を制御するというものである。
また、上記特許文献２に開示されている照明機器の制御システムは、照度センサから得られた照度に基づいて部屋空間の輝度状態を予測した予測輝度画像を生成する画像生成手段と、予測輝度画像を、輝度対比と人の順応を加味した被評価画像に変換する画像変換手段と、被評価画像を用いて部屋空間の照明状態が適正か否かを判断する判断手段と、判断手段により適正で無いと判断された場合に照明機器の明るさを変更する照明調整手段とを設けるようにしたものである。

しかし、撮像装置（カメラ）の撮影画像を利用して照明機器の明るさを制御する場合には、画像の輝度と照度は異なるので、予め照明対象エリア内の各部の照度を測定して照度と輝度との関係性を明確にしておく必要がある。そのため、太陽光が差し込むなどして照度が天候の影響を受け易い駅のプラットホームのような大きな解放空間があって照度変化の大きな施設における照明制御には適用が困難であるという課題がある。
本発明は、上記課題を解決するためになされたもので、照度変化の大きな施設において、多数の照度センサを設けることなく、撮像装置からの画像信号に含まれる輝度情報に基づいて照度分布を推定し精度の高い照明制御を行うことができる照明制御方法および照明制御システムを提供することを目的とする。

上記課題を解決するために、本発明に係る照明制御方法は、
シミュレーションによって得られた制御対象のエリアの完全晴天時および完全曇天時の照度分布データと、任意の時点で実測された制御エリアごとの照度分布データと、をデータベースに格納する第１ステップと、
前記データベースより完全晴天時および完全曇天時の照度分布データを読み出して、完全晴天時の照度分布と完全曇天時の照度分布とを合成することで、制御エリア単位での照度分布を再現し、晴天比と曇天係数を算出する第２ステップと、
撮像装置により撮影された画像信号を取り込んで画素単位の輝度値に変換するとともに、前回取得された輝度値との差分を画素ごとに算出する第３ステップと、
各画素のＸ座標とＹ座標と輝度値と差分とを用いて、前記照度分布に応じて２以上に５以下の領域に分割された前記撮像装置の撮影画像の各領域の画素に関する複数の特徴量を算出する第４ステップと、
前記第４ステップで算出された複数の特徴量を説明変数とするとともに晴天比と曇天係数をそれぞれ目的変数とし、前記第２ステップで算出された晴天比と曇天係数を用いて重回帰式の係数および定数を決定して晴天比の予測式および曇天係数の予測式を導出する第５ステップと、
撮像装置により撮影された画像信号を取り込んで画素単位の輝度値に変換するとともに、前回の輝度との差分を画素ごとに算出する第６ステップと、
各画素のＸ座標とＹ座標と輝度値と差分とを用いて、前記各領域の画素に関する複数の特徴量を算出する第７ステップと、
前記第５ステップで導出された前記晴天比の予測式と曇天係数の予測式に、前記第７ステップで算出された前記特徴量の値を代入して、晴天比と曇天係数を算出する第８ステップと、
前記第８ステップで算出された晴天比と曇天係数を用いて制御対象エリアの照度分布を算出する第９ステップと、
前記第９ステップで算出された照度分布に基づいて照明装置への制御値を計算し出力する第１０ステップと、を含むようにしたものである。

また、本発明に係る照明制御システムは、
１または２以上の照明装置と、１台の撮像装置と、前記撮像装置からの画像信号に基づいて照度分布を推定し、推定した照度分布に基づいて前記照明装置の制御値を計算し出力する演算制御装置とを備えた照明制御システムであって、
前記撮像装置は、少なくとも撮影範囲の一部に空が入るように設置され、
前記演算制御装置は、
データベースに予め格納されている完全晴天時および完全曇天時の照度分布データを読み出して、完全晴天時の照度分布と完全曇天時の照度分布とを合成することで、制御エリア単位での照度分布を再現し、晴天比と曇天係数を算出する係数算出手段と、
撮像装置により撮影された画像信号を取り込んで画素単位の輝度値に変換するとともに、前回取得された輝度値との差分を画素ごとに算出する差分算出手段と、
各画素のＸ座標とＹ座標と輝度値と差分とを用いて、前記照度分布に応じて２以上に５以下の領域に分割された前記撮像装置の撮影画像の各領域の画素に関する複数の特徴量を算出するパラメータ算出手段と、
前記パラメータ算出手段により算出された複数の特徴量を説明変数とするとともに晴天比と曇天係数をそれぞれ目的変数とし、前記係数算出手段によって算出された晴天比と曇天係数を用いて重回帰式の係数および定数を決定して晴天比の予測式および曇天係数の予測式を導出する予測式導出手段と、
前記予測式導出手段により導出された前記晴天比の予測式と曇天係数の予測式に、前記パラメータ算出手段により算出された前記特徴量の値を代入して、晴天比と曇天係数を算出する第２係数算出手段と、
前記第２係数算出手段により算出された晴天比と曇天係数を用いて制御対象エリアの照度分布を、次式
照度＝完全晴天時照度×晴天比＋完全曇天時照度×曇天係数×(１−晴天比）
を用いて算出する照度算出手段と、
前記照度算出手段により算出された照度分布に基づいて照明装置への制御値を計算し出力する制御値算出手段と、を備えるようにしたものである。

上記のような照明制御方法および照明制御システムによれば、１台の撮像装置からの画像信号に基づいて制御対象エリアの照度分布を推定することができるため、多数の照度センサを設けることなく、撮像装置からの画像信号に含まれる輝度情報に基づいて照度分布を推定し精度の高い照明制御を行うことができる。また、撮像装置を、少なくとも撮影範囲の一部に空が入るように設置することにより、昼光による照度変化の大きな施設において、高精度に照度分布を推定し精度の高い照明制御を行うことができる。

なお、本明細書において、「晴天比」とは、完全晴天時を１とし完全曇天時を０とした場合におけるその時点での全昼光照度（直射日光を含む空からの光による地上水平面の照度）の完全晴天時全昼光照度に対する比率である。従って、その時点での晴れている部分（雲のない部分）による地上水平面の照度は、完全晴天時全昼光照度×晴天比で表わされる。また、空全体からの光による地上水平面の照度は、「完全晴天時全昼光照度×晴天比＋曇の拡散による天空の明るさ」となる。「曇の拡散による明るさ」は、雲の厚みや広がり具合に依存する照度で、完全曇天時全天空照度×曇天係数×（１−晴天比）で表わすこととした。全天空照度は、直射日光を除いた空からの光による地上水平面の照度である。
一方、着目する地点の照度は、建物等の障害物の影響を受けるので、完全晴天時や完全曇天時でも全昼光照度（晴天比＝１）や全天空照度（晴天比＝０）よりも小さな値となる。

そこで、ある時点でのある地点（またはエリア）の照度Ｌは、
Ｌ＝完全晴天時照度×晴天比＋完全曇天時照度×曇天係数×(１−晴天比）
で表わすこととした。ここで、「曇天係数」は、完全曇天時照度の選び方（照度を測定した日の曇り具合）によって変わる値で、値が大きいほど雲の厚みが薄く、値が小さいほど雲の厚みが厚いことを意味しており、例えば０〜Ｎの範囲に設定することが考えられる。なお、本発明者らが何度か行なった測定結果の範囲では、曇天係数の最大値Ｎは３．５であった。また、夜間は、曇天係数が「０」もしくはそれに近い値となる。曇天係数の最大値Ｎは、地域（緯度）すなわち太陽の高度によって変わる値であり、「５」を想定すれば充分である（曇天係数の最大値Ｎが「５」以下となるように、測定値の中から完全曇天時照度を選択する）。

ここで、望ましくは、前記照明制御方法または照明制御システムにおける前記撮影画像の各領域はクラスタであり、前記第４ステップまたはパラメータ算出手段は、クラスタの数を２以上に５以下に設定してクラスタリング処理を実行して、前記特徴量として各クラスタの画素数、平均輝度、輝度のばらつきの標準偏差、輝度の最大値、輝度の最小値、差分の平均値、差分の標準偏差、差分の最大値、差分の最小値を算出するようにする。
上記のようにすることにより、より精度よく制御対象エリアの照度分布を推定することができ、精度の高い照明制御を行うことができる。

また、望ましくは、制御対象のエリアの任意の位置に設置されている照度センサからの信号を読み込んで、算出された照度分布の対応するエリアの照度値と比較して照度分布を補正するようにする。
このようにすることにより、さらに精度よく制御対象エリアの照度分布を推定することができ、精度の高い照明制御を行うことができる。

さらに、望ましくは、前記演算制御装置は、前記差分算出手段により算出された前回輝度との差分に基づいて、該差分が所定値以上である場合にノイズと判断し、当該箇所の輝度値を周囲の輝度値に基づいて修正する手段を備えるようにする。
このようにすることにより、撮像手段の撮影範囲（カメラの視野）内を人や鳥などが横切ったような場合に、それによる輝度の変化をノイズとして除去することができ、精度の高い照明制御を行うことができるようになる。

また、望ましくは、前記演算制御装置は、前記照度センサによる計測値と前記照度算出手段により算出された照度分布における前記照度センサ設置点の照度値とを比較して、前記パラメータ算出手段によるクラスタリング処理におけるクラスタの数を選択する手段を備えるようにする。
これによって、クラスタリング処理におけるクラスタの数を、制御対象のエリアの特徴に応じて変更するという学習機能を有することとなり、それによって、より精度の高い照度分布の推定および照明制御を行うことができるようになる。

また、望ましくは、前記演算制御装置は、前記照度センサによる計測値と前記照度算出手段により算出された照度分布とを比較して、前記晴天比の予測式と曇天係数の予測式で使用する説明変数の組み合わせを選択する手段を備えるようにする。
このようにすることにより、重回帰分析による晴天比と曇天係数の予測処理において、制御エリアに応じて予測に使用する説明変数（パラメータ）の組み合わせを変更するという学習機能を有することとなり、それによってさらに精度の高い照度分布の推定および照明制御を行うことができる。

本発明によれば、照度変化の大きな駅のプラットホームのような解放空間のある施設において、多数の照度センサを設けることなく、撮像装置からの画像信号に含まれる輝度情報に基づいて照度分布を推定し精度の高い照明制御を行うことができるという効果がある。

（Ａ）は本発明に係る本発明に係る照明制御方法を適用して好適な照明制御システムの概略構成を示したブロック図、（Ｂ）は撮像装置（カメラ）の設置の仕方の一例を示す図である。 照明制御対象となる建物を含むエリアの３次元モデルの一例を示す斜視図である。 照明制御対象のエリアに設置された撮像装置によって撮影される画像の一例を示す図である。 照明制御対象のエリアの照度分布を推定する際の画像の領域分割例を示す模式図である。 本発明の一実施形態に係る照明制御方法を適用した照明制御システムにおける処理の手順を示すフローチャートである。 （Ａ）は直射日光が当たる領域に関し晴天比の予測式から予測された値と実測値との相関を示したグラフ、（Ｂ）は直射日光が当たらない領域に関し晴天比の予測式から予測された値と実測値との相関を示したグラフ、（Ｃ）は曇天係数の予測式から予測された値と実測値との相関を示したグラフである。 本発明の一実施形態に係る照明制御システムにおける制御装置による学習機能を含む照明制御処理の手順を示すフローチャートである。 本発明の変形例の照明制御システムにおける照明制御処理の手順を示すフローチャートである。

以下、本発明に係る本発明に係る照明制御方法およびこれを適用して好適な照明制御システムの一実施形態について、図面を参照しながら説明する。
本発明に係る照明制御方法は、１台の撮像装置と１個の照度センサを照明制御エリアに配設して、それらのデバイスからの情報に基づいてエリアの各部の照度を予測し、ＬＥＤランプのような照明装置を制御するものである。そこで、先ず本発明に係る照明制御方法およびこれを適用する照明制御システムの構成について、図１を用いて説明する。

図１（Ａ）には、照明制御システム１０の一実施形態の概要が示されている。
図１（Ａ）に示されているように、照明制御システム１０は、照明制御エリアに配設され画像を取得するイメージセンサのような撮像装置（画像センサ）１１と、照明制御エリア内の任意の１点に配設された基準照度センサ１２と、撮像装置１１からの画像信号に含まれる輝度情報に基づいて輝度分布を把握し天候およびエリア内各部の照度を推定したり推定した照度と基準照度センサ１２からの照度信号を比較することで補正を行なったりするパーソナルコンピュータ（ＰＣ）などからなる演算制御装置１３と、を備える。

また、本実施形態の照明制御システム１０は、予め完全晴天時や完全曇天時のエリア内各部の照度分布データを記憶するデータベース（ＤＢ）１４と、照明制御エリア内の建屋の天井等に配置されたＬＥＤランプのような照明装置１５を備える。照明装置１５の数および設置個所は任意である。また、基準照度センサ１２を設ける位置は、照明制御エリア内であればどこでも良いが、駅ホームの端など通常人が通らないような場所であって昼光の変化の影響が現れる場所が望ましい。

なお、図示しないが、撮像装置１１と演算制御装置１３との間、または演算制御装置１３の入力部には撮像装置１１からのアナログ画像信号をデジタル信号に変換するＡＤ変換回路が設けられている。また、本実施形態の照明制御システムで使用する撮像装置（画像センサ）１１は、ビデオカメラでもスチールカメラでもよいが、絞り機能を有するカメラを使用する場合には、撮影画像情報と共に撮影時の絞り値情報を取得して、画像信号（輝度情報）に撮影時の絞り値に応じた数値を掛けて輝度を補正する処理を行う。ただし、入射光量を調節するための絞り機能を持たないカメラを使用しても良い。

上記演算制御装置１３は、ＣＰＵ（マイクロプロセッサ）のような演算装置、ＲＯＭ（リードオンリメモリ）やＲＡＭ（ランダムアクセスメモリ）などの記憶装置、キーボードのような入力装置および表示装置のような出力装置を備え、照明制御エリアの照度分布を推定する機能および該推定照度に基づいて照明装置を制御する機能を有しており、これらの機能は、パーソナルコンピュータと記憶装置に記憶されるプログラムとによって実現することができる。かかるパーソナルコンピュータのハードウェア構成自体は公知のものと同じであるので、図示は省略する。

次に、本実施形態の照明制御システム１０における演算制御装置１３による照度分布推定機能および照明装置制御機能について説明する。なお、以下の説明では、本発明を駅ホームの照明制御システムに適用することを想定している。
演算制御装置１３が上記照度分布推定機能を発揮する前に、事前準備を行う必要があるので、先ず事前準備について説明する。
事前準備においては、適用対象となるエリアに関して、３次元ＣＡＤ（computer-aided design）ソフトウェアを使用して、例えば図２に示すような対象の建造物および周辺の建造物を含む３次元モデルを作成する。

次に、作成した３次元モデルを用いてシミュレーションを実施して、完全晴天時および完全曇天時（いずれも照明無し）における照明制御したいエリアの昼光照度分布（複数のエリアに分けた場合にはエリアごとの照度）と、各照明装置（制御グループ単位）による照度分布とを、夏至と冬至と秋分（春分）について１時間おきに算出し、データベース１４に格納しておく。なお、完全曇天時における昼光照度分布については季節別に分けずに共通の照度分布を算出して格納しておくようにしても良い。また、エリア内の主要な点の照度をセンサにより実測できる場合には、３次元モデルを作成せずに、実測した値をデータベース１４に格納しておくようにしてもよい。

さらに、撮像装置（カメラ）１１によって対象エリア（太陽光直射エリアを含む）の画像を、所定時間毎（例えば５分おき）に撮影して、画像信号に含まれる輝度情報に基づいて照度分布データを作成しデータベース１４に格納する。また、同じタイミングで、上記基準照度センサ１２とは別に設けた照度センサを用いて対象エリアの複数点の照度も計測してデータベース１４に格納しておく。

なお、上記撮像装置１１によって撮影する範囲としては、例えば図３に示す画像例のように、駅ホームと駅ホーム上方の屋根（天井）と列車進入口となる解放部分（空の一部）が含まれるように箇所を選択するのが良い。図３の画像は、図１（Ｂ）に示すように、駅ホーム１６上方の天井の梁１７より垂下された支持ロッド１８の下端に、光軸が駅ホームすなわちレールと平行となるようにほぼ水平な姿勢に設置した撮像装置分布を推定１１により撮影された画像を示す。

本実施形態では、上記撮像装置１１による撮影画像（例えば１０００×１０００ピクセル）の画素情報を輝度情報に変換し、輝度情報に基づく照度分布データは、撮影時（時刻ｔ）における各画素（ポイント）の位置を示すＸ座標、Ｙ座標と、輝度値および前回（時刻ｔ−１）の輝度値との差分データと共に組（４次元の値を持つデータ）としてデータベース１４に記憶しておく。差分データを求めて格納するのは、後のクラスタリング処理で、ほぼ同一の明るさ変化を示す点（画素）同士を同一のグループに寄せ集めることができるようにするのと、撮影範囲内を人や電車などが通過したり侵入したりした際にそれをノイズとして扱えるようにするためである。

上記事前準備（ステップＳ０）が完了した後に、図５のフローチャートに従った、照度分布を推定するための前段階処理（ステップＳ１〜Ｓ７）と、推定した制御エリア単位での照度分布に基づく照明制御処理（ステップＳ８〜Ｓ１２）とを実施する。以下、各ステップの処理を、順を追って説明する。このうち、前段階処理（ステップＳ１〜Ｓ７）は、適用する対象（例えばいずれかの駅）について１回実行すればよい。「制御エリア」とは、同一の明るさに制御される複数の照明装置によって照明が行なわれる範囲のことである。

先ずステップＳ１では、データベース１４に格納されている任意の日時の照度分布データを読み出して、シミュレーションにより取得した完全晴天時の照度分布と完全曇天時の照度分布とを合成することで、実測した照度分布（制御エリア単位での照度分布）を再現する。そして、実測照度分布の各ポイントの照度と完全晴天時の対応するポイントの照度との比を算出し、例えば各ポイントの照度比のうち最小値を「晴天比」とする。ただし、最小値の代わりに各ポイントの照度比の平均値や中央値を用いても良い。また、同様に、実測した各ポイントの照度と完全曇天時の対応するポイントの照度との比を算出し、各ポイントの照度比のうち最小値（または平均値もしくは中央値）を「曇天係数」とする。従って、「晴天比」と「曇天係数」は、実測ポイントの数だけ得られる。また、実測ポイントを制御エリアに対応させてデータベース１４に格納しておけば、ある制御エリアの照度を推定したい場合に、必要な「晴天比」と「曇天係数」の値を速やかに取得することができる。

次のステップＳ２では、データベース１４から、任意の時点（時刻ｔ）における全画素についての座標Ｘ、Ｙと輝度値および前回輝度値との差分データを読み出して、例えばＫ−ｍｅａｎｓ法によるクラスタリング（クラスタ分析）を実行して、先ず上記４次元の値を持つ画素数分（１０００×１０００個）のデータを、ランダムに５つのグループに分け、各グループにクラスタ番号１〜５を付与する。次に、クラスタ毎に４次元空間での重心を算出する（ステップＳ３）。ここで、重心座標は、各点から重心（平均点）までの距離の２乗を加算したものの平方根として表すことができる。かかる重心の求め方は公知の手法と同じであるので、詳しい説明は省略する。

続いて、各データについて重心までの距離が最も近いクラスタを判別し、異なるクラスタである場合には、そのデータのクラスタを最も距離の近い重心の属するクラスタに変更する（ステップＳ４）。そして、全データのクラスタが変更されなくなるまで、上記ステップＳ３，Ｓ４を繰り返す（ステップＳ５）。
次に、クラスタ毎に画素数、平均輝度、輝度のばらつきの標準偏差、輝度の最大値、輝度の最小値、差分の平均値、差分の標準偏差、差分の最大値、差分の最小値を算出する（ステップＳ６）。

続いて、上記９種類計４５個（９×５クラスタ）の値をパラメータ（説明変数）とし、晴天比および曇天係数をそれぞれ従属変数として重回帰分析を実行し、次の重回帰式を用いて、各式の右辺の晴天比および曇天係数に、ステップＳ１で算出した値（制御エリアごとに異なる）をそれぞれ入れて、定数ａおよび係数ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｈ，ｉ，ｊを決定する（ステップＳ７）。
晴天比＝ａ1＋ｂ1×(クラスタの画素数)＋ｃ1×(平均輝度)＋ｄ1×(輝度標準偏差)
＋ｅ1×(輝度の最大値)＋ｆ1×(輝度の最小値)＋ｇ1×(差分の平均)
＋ｈ1×(差分標準偏差)＋ｉ1×(差分の最大値)＋ｊ1×(差分の最小値)……（１）
曇天係数＝ａ2＋ｂ2×(クラスタの画素数)＋ｃ2×(平均輝度)＋ｄ2×(輝度標準偏差)
＋ｅ2×(輝度の最大値)＋ｆ2×(輝度の最小値)＋ｇ2×(差分の平均)
＋ｈ2×(差分標準偏差)＋ｉ2×(差分の最大値)＋ｊ2×(差分の最小値)……（２）

なお、上記式（１），（２）における各説明変数はそれぞれクラスタの数だけある。また、上記式の定数ａ1および係数ｂ1〜ｊ1の値や定数ａ2および係数ｂ2〜ｊ2の値は、上記式（１），（２）の説明変数に、ステップＳ６で算出した値を読み出して代入し、重回帰分析により統計的に処理することによって得ることができる。そして、このようにして得られた値を、上記式（１），（２）における定数ａ1，ａ2および係数ｂ1〜ｊ1，ｂ2〜ｊ2に入れて、晴天比と曇天係数の予測式を導出する（ステップＳ７）。ここで、上式の「晴天比」と「曇天係数」に入れる値は、制御エリアごとに異なるので、制御エリアの数だけ予測式が導出されることとなる。これにより、制御対象エリア全体の照度分布の推定が可能となる。

上記の定数および係数の算出処理は、重回帰分析機能を有する種々のソフトウェアが市販されているので、それを利用して実行してもよい。なお、晴天比の予測式と曇天係数の予測式とで、パラメータの組み合わせを変えても良い。また、晴天比に関しては制御エリアごとに予測式を立て、各予測式のパラメータの組み合わせを変えるようにしてもよい。
また、上記式（１），（２）は説明変数の数が多いので、後に説明するように、演算制御装置１３に機械学習させることで、重回帰式の説明変数や予測式のパラメータのうち影響の少ないものを省略して、説明変数の数やパラメータの数を減らして処理時間を短縮させるようにしてもよい。

ここで、ステップＳ３でクラスタリングを行う理由について、説明しておく。
図３の撮影画像を分析すると分かるように、上述したような照度分布予測方法を適用する対象が駅ホームのようなエリアの場合、空の一部が見え外光が入射する領域Ａ１（図４(ａ)）と、太陽からの直射光および一次反射光が当たる駅ホーム領域Ａ２（図４(ｂ)）と、主として直射光の一次反射光が当たる壁領域Ａ３（図４(ｃ)）と、直射光も一次反射光もほとんど当たらない天井領域Ａ４（図４(ｄ)）と、駅ホームの陰になる軌道領域Ａ５（図４(ｅ)）と、でそれぞれ平均の明るさや明るさの変化の度合いが異なることを見出した。そこで、本発明者らは、照度分布を１つのカメラの画像から把握する際には、上記５つの領域に分割してデータを扱うのが良いと考え、クラスタの数として「５」を選択し、クラスタリングを行なって、重回帰分析を適用し、「晴天比」と「曇天係数」の予測式を導出することとした。

次に、上記のようにして導出された晴天比と曇天係数の予測式を使用したエリア全体の照度分布の推定および照明制御の仕方について説明する。
照度分布の推定および照明制御にあたっては、先ず、撮像装置１１によって対象エリアの画像を撮影して、画像信号に含まれる輝度情報に基づいて輝度分布データを算出する（ステップＳ８）。続いて、上記前段階処理のステップＳ２〜Ｓ６と同様な処理Ｓ９〜Ｓ１３を実行して、各クラスタの画素数、平均輝度、輝度のばらつきの標準偏差、輝度の最大値、輝度の最小値、時刻ｔ−１における輝度との差分の平均値、差分の標準偏差、差分の最大値、差分の最小値を算出する。

その後、ステップＳ７で導出した予測式を使用して制御エリアごとの晴天比と曇天係数を算出し（ステップＳ１４）、次式を用いて照明エリア全体の照度分布（複数の制御エリアのそれぞれの照度Ｌ）および基準照度センサの設置ポイントの照度を推定する（ステップＳ１５）。
具体的には、ある時点での着目する制御エリアやポイントの照度Ｌは、
Ｌ＝完全晴天時照度×晴天比＋完全曇天時照度×曇天係数×(１−晴天比）
で表わされるので、この式の「晴天比」と「曇天係数」に、ステップＳ１４で算出した着目する制御エリアまたはポイントに対応する値を入れるとともに、「完全晴天時照度」と「完全曇天時照度」には、データベース１４に格納されているシミュレーション（もしくは実測）によって得られた代表日（夏至、秋分、冬至等）の代表時刻（１時間おき）での昼光照度値のうち、着目する制御エリアまたはポイントの昼光照度値を読み出して補間処理（内挿処理）を行なって算出した値を代入して照度を算出する。例えば、８月１０日１１時３０分の照度を知りたい場合には、着目する制御エリアまたはポイントの夏至の昼光照度値と秋分の日の昼光照度値を読み出して、補間処理で８月１０日の１時間おきの昼光照度値を求めた後、１１時と１２時の昼光照度値から補間処理で１１時３０分の照度値を算出する。

次に、基準照度センサ１２の検出値を読み込んで、ステップＳ１５で推定した照度とセンサで検出した実測の照度値とを比較して、推定照度と検出照度値との間に所定量（例えば１０％）以上のずれがあるか否か判定し（ステップＳ１６）、ずれがある（ＹＥＳ）と判定したときは、ステップＳ１７へ進んで、ステップＳ１５で推定した照度の誤差を補正する処理を行なってからステップＳ１８へ進む。
一方、ステップＳ１６で、所定量（例えば１０％）以上のずれがない（Ｎｏ）と判定したときは、ステップＳ１７をスキップしてステップＳ１８へ進む。

ステップＳ１８では、ステップＳ１５で推定した照度分布から、目標照度を下回る場所があるか判定する。そして、目標照度を下回る場所がある（Ｙｅｓ）と判定したときは、ステップＳ１９へ進んで補正すべき照度を算出して照明装置の制御値（増加すべき光量）を算出し、対応する照明装置へ制御信号を出力して（ステップＳ２０）、ステップＳ８へ戻る。また、ステップＳ１８で、目標照度を下回る場所がない（Ｎｏ）と判定したときは、ステップＳ８へ戻って、上記処理Ｓ８〜Ｓ２０を繰り返す。これにより、好適な照明制御が実行される。なお、照明装置の点灯後は、当該照明装置の点灯による制御対象エリアの照度をデータベース１４より読み出して加算し、ステップＳ８〜Ｓ２０の処理を実行する。

本発明者らは、制御エリアとして直射日光が当たるエリアと直射日光が当たらないエリアの２つのエリアを有する場合について、つまり照明制御対象全エリアが上記２つのエリアからなる場合を想定して、上記予測式を使用したシミュレーションを実施するとともに、照度センサによる照度の測定を実施した。
図６（Ａ），（Ｂ）は、シミュレーションにより前述の晴天比の予測式から予測された値と実測に基づく値とを、縦軸に実測値をまた横軸に予測値をとった２次元座標上にプロットして予測値と実測値との相関を示したもの、また、図６（Ｃ）は、曇天係数の予測式から予測された値と実測値とを、縦軸を実測値、横軸を予測値とする２次元座標上にプロットして予測値と実測値との相関を示したものである。

なお、図６（Ａ），（Ｂ）のうち（Ａ）は直射日光が当たるエリアに関するもの、（Ｂ）は直射日光が当たらないエリアに関するものである。曇天係数の予測は、エリアに関係なく行なった。さらに、それぞれの場合について相関係数Ｒ^２と２乗平均平方根誤差（ＲＭＳＥ）を求めたところ、図６（Ａ）の相関係数Ｒ^２は０．５５、ＲＭＳＥは０．２４、図６（Ｂ）の相関係数Ｒ^２は０．５７、ＲＭＳＥは０．２０、図６（Ｃ）の相関係数Ｒ^２は０．８２、ＲＭＳＥは０．２６であった。

図６（Ａ）〜（Ｃ）より、予測値と実測値との相関は良好であり、上記予測式の精度は満足できるものであることが分かる。
なお、図６（Ａ）の直射日光が当たるエリア（屋外）に関する晴天比の予測値と実測値の相関は、パラメータ（説明変数）として、クラスタ１〜３の輝度の平均と、クラスタ３の輝度のばらつきの標準偏差と、クラスタ３，３，４の差分の標準偏差と、クラスタ２の輝度ばらつき標準偏差の最小値と、クラスタ３，４の差分最小値と、クラスタ４の輝度ばらつき標準偏差の最大値とを選択して求めたものである。

また、図６（Ｂ）の直射日光が当たらないエリア（屋内）に関する晴天比の予測値と実測値の相関は、パラメータ（説明変数）として、クラスタ１の画素数と、クラスタ２，４，５の輝度の平均と、クラスタ１，２，３の差分平均と、クラスタ４，５の輝度のばらつきの標準偏差と、クラスタ１の差分の標準偏差と、クラスタ１，２の輝度ばらつき標準偏差の最小値と、クラスタ２，３の差分最小値と、クラスタ１，３，４，５の輝度ばらつき標準偏差の最大値と、クラスタ１，４の差分最大値とを選択して求めたものである。

図６（Ｃ）の曇天係数の予測値と実測値の相関は、パラメータ（説明変数）として、クラスタ２，３，４，５の輝度の平均と、クラスタ２の差分平均と、クラスタ２の輝度のばらつきの標準偏差と、クラスタ１，２，３の差分標準偏差と、クラスタ１，３の輝度ばらつき標準偏差の最小値と、クラスタ２，４の輝度ばらつき標準偏差の最大値と、クラスタ２，３の差分最大値とを選択して求めたものである。図６（Ａ）〜（Ｃ）に対応する各照度推定で使用するパラメータ（説明変数）を変えているのは、精度（相関係数）を高めるためであり、重回帰分析の結果（グラフ）を見て人手でパラメータを選定しても良いが、機械学習によってパラメータを選択させるようにすることもできる。

次に、演算制御装置１３に学習機能を持たせた場合における手順について、図７のフローチャートを用いて説明する。なお、以下の説明においては、図５のフローチャートを用いて説明した内容と同様な処理については、詳しい説明を省略する。
学習機能を付加した照度分布の推定および照明制御処理においては、先ず、撮像装置１１がスチールカメラの場合には撮像装置１１に対して撮影指令を出して、撮像装置１１から撮影画像データを取り込み、輝度データに変換して輝度分布データを取得するとともに照度分布データを算出してデータベース１４に記憶する（ステップＳ２１）。次に、変換された輝度データと、前回取得した輝度データおよびデータベース１４から読み出して合成した照度分布データとを比較して（ステップＳ２２）、領域ごとに今回の輝度データにノイズが含まれているか否か判定する（ステップＳ２３）。

具体的には、例えば、今回取得した輝度データと前回取得した輝度データとの差分をとって、その差分が所定値以上である場合に時間ノイズと判定する。また、今回取得した輝度データに基づく照度値と照度分布データとの差分をとって、その差分が所定値以上である場合に空間ノイズと判定する。このノイズ判定処理は、撮影画像を複数（例えば５個）の領域に分割して、領域毎（クラスタ毎）にしきい値を変えて行うと良い。
ステップＳ２３で、ノイズがある（Ｙｅｓ）と判定したときは、ステップＳ２４へ移行して、今回のノイズに既に学習（取得）したノイズと共通の特徴があるか否か判断する。このようなノイズとしては、例えば撮影範囲内への電車の侵入やシステム外の照明の点灯などがある。

ステップＳ２４で、共通の特徴がない（Ｎｏ）と判定するとステップＳ２５へ進んで過去所定回数の撮影画像内に同様のノイズが存在するか否か判定する。そして、同様のノイズが存在しない（Ｎｏ）と判定したときは、ステップＳ２６へ進み、完全なノイズであると認定して当該ノイズをデータベースに格納する。このようなノイズの原因としては、例えば人（利用者）あるいは鳥がカメラの視野を横切った場合などが考えられる。
続いて、ノイズ箇所の輝度を修正する（ステップＳ２７）。具体的には、ノイズ箇所の周囲の画像データからノイズ箇所の輝度を推定し、ノイズと置き換える。

また、ステップＳ２５で、同様のノイズが存在する（Ｙｅｓ）と判定したときは、ステップＳ２８へ移行して、ノイズではなく新設物であると判断し、データベースから輝度分布データを読み出して輝度分布における当該箇所の輝度データを修正してデータベースに格納する（ステップＳ２９）。新設物には、例えば建物の改修や設備の増設、撤去あるいは自動販売機等の付帯設備の設置、撤去がある。

一方、上記ステップＳ２４で共通の特徴がある（Ｙｅｓ）と判定するとステップＳ３０へ移行して、画像データに含まれる特徴から、ノイズがどのようなものであるかを判断する。続いて、特徴のある箇所の照明制御の補正値を決定し、対応する照明装置へ送信する（ステップＳ３１）。
上記ステップＳ２３でノイズがない（Ｎｏ）と判定したときまたはステップＳ２７でノイズ箇所の輝度を修正したときは、ステップＳ３２へ進み、クラスタリング処理を行う。この際に、前回行なったクラスタリング処理で得られた重心データを使用することで、計算量を減らすことができる。

ステップＳ３２のクラスタリング処理が終了、または上記ステップＳ２９で輝度分布データの修正が終了した後は、ステップＳ３３へ進んで、重回帰分析によって晴天比および曇天係数を算出する。それから、晴天比および曇天係数を用いて、制御対象エリアの照度分布を、次式
照度＝完全晴天時照度×晴天比＋完全曇天時照度×曇天係数×(１−晴天比）
用いて推定する（ステップＳ３４）。
ステップＳ３４の照度分布の推定が終了、または上記ステップＳ３１で照明制御の補正値を決定した後は、ステップＳ３５へ進んで、推定照度から目標照度となるように、照明制御値を決定し、照明装置へ送信する。これにより、照明装置は制御値に応じた明るさとなるように、照明（ＬＥＤランプ）を点灯駆動することとなる。

（変形例）
図８には、基準照度センサ１２の計測値を利用した学習機能を付加した場合の照明制御手順が示されている。
この変形例の手順と図７のフローチャートの手順との差異は、本変形例では、図７のフローチャートのステップＳ３５の後に、ステップＳ３６〜Ｓ３９が追加されている点である。図８のフローチャートでは、ステップＳ３５で照明制御値を決定して照明装置へ送信した後、ステップＳ３６へ進み、基準照度センサ１２の測定値を読み込む。続いて、ステップＳ３４で推定した当該測定ポイントの推定照度値とセンサの実測照度値との間に誤差があるか否か判定する（ステップＳ３７）。

そして、ステップＳ３７で、誤差がない（Ｎｏ）と判定したときはそのままステップＳ３９へ進む一方、ステップＳ３７で、誤差がある（Ｙｅｓ）と判定したときはステップＳ３８でクラスタリング処理の結果毎に、誤差がなくなるように照明制御補正値を決定するとともに、照明制御補正値の変換ロジックもしくは演算式を修正してステップＳ３９へ進んで、結果を過去データとしてデータベースに格納する。そして、ステップＳ２１へ戻り、上記手順を繰り返す。

なお、ステップＳ３８では、ステップＳ３２のクラスタリング処理におけるクラスタの数を変更したり、ステップＳ３３の重回帰分析におけるパラメータ（説明変数）の種類を増加、削減あるいは変更したりしても良い。例えば、クラスタの数やパラメータを変更して晴天比および曇天係数の予測値を算出し、照度センサによる実測値と比較して相関係数を求め、相関係数が最大となる時のクラスタの数や、パラメータ（説明変数）を選択する。
また、前述の実施例では、撮像装置１１で撮像した画像の各画素の座標情報を重回帰分析におけるパラメータとして使用していないが、適用する対象（照明制御システム）の環境によっては各画素の座標情報をパラメータとして使用することも可能である。

以上本発明者によってなされた発明を実施形態に基づき具体的に説明したが、本発明は前記実施形態に限定されるものではない。例えば、前記実施形態では、クラスタリング処理におけるクラスタの数を「５」としたが、クラスタの数は、適用する対象の環境に応じて適宜設定すればよい。さらに、前記実施形態では、基準照度センサ１２を設けた照明制御システムについて説明したが、学習機能を持たせなくても良いような場合には基準照度センサ１２を省略してシステムを構成するようにしてもよい。
また、前記実施形態では、駅ホームの照明制御システムに適用した場合を例にとって説明したが、本発明はそれに限定されるものではなく、トンネルの出入り口箇所等比較的広い解放空間を有し照度が外光の影響を受け易い施設の照明制御システムに広く利用することができる。

１０ 照明制御システム
１１ 撮像装置
１２ 基準照度センサ
１３ 演算制御装置
１４ データベース
１５ 照明装置

Claims (10)

1. シミュレーションによって得られた制御対象のエリアの完全晴天時および完全曇天時の照度分布データと、任意の時点で実測された制御エリアごとの照度分布データと、をデータベースに格納する第１ステップと、
   前記データベースより完全晴天時および完全曇天時の照度分布データを読み出して、完全晴天時の照度分布と完全曇天時の照度分布とを合成することで、制御エリア単位での照度分布を再現し、晴天比と曇天係数を算出する第２ステップと、
   撮像装置により撮影された画像信号を取り込んで画素単位の輝度値に変換するとともに、前回取得された輝度値との差分を画素ごとに算出する第３ステップと、
   各画素のＸ座標とＹ座標と輝度値と差分とを用いて、前記照度分布に応じて２以上に５以下の領域に分割された前記撮像装置の撮影画像の各領域の画素に関する複数の特徴量を算出する第４ステップと、
   前記第４ステップで算出された複数の特徴量を説明変数とするとともに晴天比と曇天係数をそれぞれ目的変数とし、前記第２ステップで算出された晴天比と曇天係数を用いて重回帰式の係数および定数を決定して晴天比の予測式および曇天係数の予測式を導出する第５ステップと、
   撮像装置により撮影された画像信号を取り込んで画素単位の輝度値に変換するとともに、前回の輝度との差分を画素ごとに算出する第６ステップと、
   各画素のＸ座標とＹ座標と輝度値と差分とを用いて、前記各領域の画素に関する複数の特徴量を算出する第７ステップと、
   前記第５ステップで導出された前記晴天比の予測式と曇天係数の予測式に、前記第７ステップで算出された前記特徴量の値を代入して、晴天比と曇天係数を算出する第８ステップと、
   前記第８ステップで算出された晴天比と曇天係数を用いて制御対象エリアの照度分布を算出する第９ステップと、
   前記第９ステップで算出された照度分布に基づいて照明装置への制御値を計算し出力する第１０ステップと、
   を含むことを特徴とする照明制御方法。
2. 前記撮影画像の各領域はクラスタであり、前記第４ステップでは、クラスタの数を２以上に５以下に設定してクラスタリング処理を実行して、前記特徴量として各クラスタの画素数、平均輝度、輝度のばらつきの標準偏差、輝度の最大値、輝度の最小値、差分の平均値、差分の標準偏差、差分の最大値、差分の最小値を算出し、
   前記第５ステップでは、前記第４ステップで算出された前記各値のうち２つ以上をそれぞれ説明変数とするとともに晴天比と曇天係数をそれぞれ目的変数とし、前記第２ステップで算出された晴天比と曇天係数を用いて重回帰式の係数および定数を決定して晴天比の予測式および曇天係数の予測式を導出することを特徴とする請求項１に記載の照明制御方法。
3. 前記第９ステップの後、制御対象エリアの任意の位置に設置されている照度センサからの信号を読み込んで、前記第９ステップで算出された照度分布の対応するエリアの照度値と比較して照度分布を補正し、前記第１０ステップでは前記補正された照度分布に基づいて照明装置への制御値を計算し出力することを特徴とする請求項１または２に記載の照明制御方法。
4. 前記第５ステップで導出される直射日光が当たるエリアの前記晴天比の予測式と、直射日光が当たらないエリアの前記晴天比の予測式とで、使用する説明変数の組み合わせが異なることを特徴とする請求項１〜３のいずれかに記載の照明制御方法。
5. １または２以上の照明装置と、１台の撮像装置と、前記撮像装置からの画像信号に基づいて照度分布を推定し、推定した照度分布に基づいて前記照明装置の制御値を計算し出力する演算制御装置とを備えた照明制御システムであって、
   前記撮像装置は、少なくとも撮影範囲の一部に空が入るように設置され、
   前記演算制御装置は、
   データベースに予め格納されている完全晴天時および完全曇天時の照度分布データを読み出して、完全晴天時の照度分布と完全曇天時の照度分布とを合成することで、制御エリア単位での照度分布を再現し、晴天比と曇天係数を算出する係数算出手段と、
   撮像装置により撮影された画像信号を取り込んで画素単位の輝度値に変換するとともに、前回取得された輝度値との差分を画素ごとに算出する差分算出手段と、
   各画素のＸ座標とＹ座標と輝度値と差分とを用いて、前記照度分布に応じて２以上に５以下の領域に分割された前記撮像装置の撮影画像の各領域の画素に関する複数の特徴量を算出するパラメータ算出手段と、
   前記パラメータ算出手段により算出された複数の特徴量を説明変数とするとともに晴天比と曇天係数をそれぞれ目的変数とし、前記係数算出手段によって算出された晴天比と曇天係数を用いて重回帰式の係数および定数を決定して晴天比の予測式および曇天係数の予測式を導出する予測式導出手段と、
   前記予測式導出手段により導出された前記晴天比の予測式と曇天係数の予測式に、前記パラメータ算出手段により算出された前記特徴量の値を代入して、晴天比と曇天係数を算出する第２係数算出手段と、
   前記第２係数算出手段により算出された晴天比と曇天係数を用いて制御対象エリアの照度分布を、次式
   照度＝完全晴天時照度×晴天比＋完全曇天時照度×曇天係数×(１−晴天比）
   を用いて算出する照度算出手段と、
   前記照度算出手段により算出された照度分布に基づいて照明装置への制御値を計算し出力する制御値算出手段と、を備えることを特徴とする照明制御システム。
6. 前記撮影画像の各領域はクラスタであり、前記パラメータ算出手段はクラスタの数を２以上に５以下に設定してクラスタリング処理を実行して、前記特徴量として各クラスタの画素数、平均輝度、輝度のばらつきの標準偏差、輝度の最大値、輝度の最小値、差分の平均値、差分の標準偏差、差分の最大値、差分の最小値を算出することを特徴とする請求項５に記載の照明制御システム。
7. 制御対象のエリアの任意の位置に設置された照度センサを備え、
   前記演算制御装置は、前記照度センサからの信号を読み込んで、前記照度算出手段により算出された照度分布の対応するエリアの照度値と比較して照度分布を補正し、前制御値算出手段により、前記補正された照度分布に基づいて前記照明装置への制御値を計算し出力することを特徴とする請求項５または６に記載の照明制御システム。
8. 前記演算制御装置は、前記差分算出手段により算出された前回輝度との差分に基づいて、該差分が所定値以上である場合にノイズと判断し、当該箇所の輝度値を周囲の輝度値に基づいて修正する手段を備えることを特徴とする請求項７に記載の照明制御システム。
9. 前記演算制御装置は、前記照度センサによる計測値と前記照度算出手段により算出された照度分布における前記照度センサ設置点の照度値とを比較して、前記パラメータ算出手段によるクラスタリング処理におけるクラスタの数を選択する手段を備えることを特徴とする請求項７または８に記載の照明制御システム。
10. 前記演算制御装置は、前記照度センサによる計測値と前記照度算出手段により算出された照度分布とを比較して、前記晴天比の予測式と曇天係数の予測式で使用する説明変数の組み合わせを選択する手段を備えることを特徴とする請求項８または９に記載の照明制御システム。

Images