中国便利店的照明能耗预测模型与主观评价

蔡宙燊++张昕++张宇涛

摘要：

便利店销售额在传统零售业中增幅最高，照明在所调研样本总室内能耗中占比为43%。基于全国257家便利店的数据，探讨便利店的照明特征。采用多重线性回归方法建立照明能耗预测模型，采用因子分析方法探讨客观参数与主观评价的联系。研究表明，对便利店，考虑照明节能时需同步关注其主观评价的变化；进行照明设计时需因地制宜；照明能耗预测模型为ln y=0.479ln x1+0.248ln x2-0.217（y为照明功率密度，x1为单位面积照明造价，x2为典型货架位置水平照度平均值）；顾客对照明充足度的“敏感性”比照明均匀度高；提高照度平均值有助于提高主观评价。

关键词：

便利店；照明；能耗；预测模型；视觉满意度

Abstract：

Sales volume on convenience stores increased the most， and lighting made up 43% of interior energy consumption. Based on sample investigation of 257 convenience stores in China， the survey data were collected， and lighting feature were exposed. Multiple linear regression was adopted to built the prediction model of lighting energy consumption， and factor analysis was adopted to explore the connection between subjective evaluation and objective variables. The results showed that： for convenience stores， subjective evaluation would be accounted when saving lighting energy； lighting design method would vary to fit different region； the prediction model of lighting energy consumption is lny=0.479lnx1+0.248lnx2-0.217；customers were more sensitive about illumination adequacy than uniformity and increasing the illumination improved subjective evaluation.

Keywords：

convenience stores； lighting； energy consumption； prediction model； visual satisfaction

便利店是一种用以满足顾客应急性、便利性需求的零售业态[1]。2013年，便利店的15家主要代表企业销售额增速为18.2%，在传统零售业中增幅最高[2]。2013年末，中国便利店零售营业面积为131.4万m2，从业人数7.4万人，门店数量14 680个，商品销售额311.3亿元[3]。照明在零售建筑能耗中占比最高，在美国约为30.1%[4]，英国约为34.0%[5]，本研究调研样本占比为43%。

学者们对于便利店照明的研究主要集中在节能方面。研究表明：对便利店，使用LED灯取代荧光灯，节能率超过50%[67]；使用调光装置的T8，能耗降低38.67%[8]；使用EEMs和远程高效制冷系统，能耗降低13%[9]；使用RFID控制系统和发光二极管光源，能耗降低65.6%[10]。上述研究多关注照明能耗，对主观评价的研究较少。

通过对中国257家便利店的实测数据和主观评价的分析，总结中国便利店的照明特征，建立便利店照明的能耗预测模型，探讨便利店照明的客观参数与顾客的主观评价之间的关系，以期为便利店的照明设计提供支撑。

1研究方法

1.1数据采集

实测数据来源于中国各地257家便利店，约占全国便利店总门店数的0.02%。样本取自中国32个地级市，在东部、中部、东北及西部均有分布，占比分别为42%、16%、9.3%和32.7%。调研内容和方法如表1所示。

对几项关键数据作如下解释：

1）开敞空间水平照度。开敞空间指在一个标准柱网单元内无货架、柜台等遮挡的空间。开敞空间水平照度为每家店3处开敞空间水平照度平均值的平均值（不按面积加权）。

2）典型货架位置照度。选取具有代表性的货架，测量货架之间通道的水平照度，并计算水平照度平均值和均匀度，取3处货架通道的平均值作为该店典型货架位置水平照度和水平照度均匀度；以上通道处货架实测低（0.2 m）、中（1.0 m）、高（2.0 m）3个位置的垂直照度，并分别计算垂直照度平均值和均匀度，取3处货架通道的平均值作为该店典型货架位置垂直照度和垂直照度均匀度。

3）主观评价。主观评价采用问卷调查法，每个城市辖区的便利店随机委派3个照明从业人员作为评价人，并且各城市辖区的评价人不重复 ，共96位评价人。在不知道实测数据的前提下，评价人走遍便利店，填写调查问卷得到主观评价数据。[11]主观评价数据如表 2所示。

1.2分析方法

采用SPSS软件对数据进行统计分析以及建立能耗预测模型。

1）多重线性回归[12]：通过person相关性分析可知因变量与多个自变量存在线性相关关系，采用多重线性回归，建立因變量与多个自变量之间的关系。

2）因子分析[13]：经过KMO和Bartlett的检验可知，采用的6个五点法主观变量之间中等相关或强相关，经由因子分析，以综合主成分“整体视觉满意度”代表主观变量。

2照明现状

通过对客观数据的统计分析，整理中国便利店照明样本的代表性指标如表3所示。〖FL）〗

由表4和图3可知：照明功率密度、单位面积照明造价、典型货架位置水平/垂直照度均存在地域性差异。具体表现为：对照明功率密度，东北与东部/西部区域存在地域性差异，其他区域两两之间不存在地域性差异；对单位面积照明造价，东北与东部/中部/西部区域存在地域性差异，其他区域两两之间不存在地域性差异；对典型货架位置水平照度平均〖LL〗值，东北与东部/中部/西部区域存在地域性差异，东部与中部区域存在地域性差异，其他区域两两之间不存在地域性差异；对典型货架位置垂直照度平均值，东北与东部/西部区域存在地域性差异，东部与中部区域存在地域性差异，其他区域两两之间不存在地域性差异。

3能耗预测模型

研究拟建立照明功率密度的预测模型，其自变量的选取过程如图4所示，其偏相关分析结果如表5所示。

由表5可知：剔除掉单位面积照明造价的影响之后，照明功率密度与开敞空间照度平均值、典型货架位置的垂直照度平均值、典型货架位置的水平/垂直照度均匀度U1，与典型货架位置水平照度平均值为正的中度相关。故而，以照明功率密度为因变量，以单位面积照明造价、典型货架位置水平照度平均值为自变量，建立能耗预测模型。设定y为照明功率密度，x1为单位面积照明造价，x2为典型货架位置水平照度平均值。

预测模型建立过程如图5所示。

由图6、7可知，模型存在异方差，需对自变量和因变量进行转换[15]。对自变量和因变量进行对数转化进行第二次多重线性回归——

转化后的自变量ln x1表示单位面积照明造价的对数，自变量ln x2表示典型货架位置水平照度平均值的对数，因变量ln y表示照明功率密度的对数。

其回归结果如表6所示，其残差分析如图8和图9所示。

由表6可知，多重线性回归模型的调整R2为0661，模型拟合性能较好，且其自变量的参数值都是有统计意义的。由图9可知，多重线性回归的残差在0左右随机波动，且变化范围在一条水平带状区域上。综合表6、图8和图9，可知，多重线性回归模型成立，其函数表达式为

根据能耗预测模型，当单位面积照明造价为20、40、60、80、100元时，其照明功率密度随典型货架位置水平照度平均值的变化趋势如图11所示。

由图11可知，当单位面积照明造价恒定时，照明功率密度随典型货架位置水平照度平均值增加而〖LL〗增加，但其增加的速度（即曲线的斜率）随典型货架位置水平照度平均值增加而慢慢减少，最终趋于恒定。当典型货架位置水平照度平均值恒定时，照明功率密度随单位面积照明造价增加而增加，但其增加的幅度（即因变量的差值）随单位面积照明造价增加而减少。当典型货架位置水平照度平均值提高时，照明功率密度随单位面积照明造价增加的幅度也提高。

4主观评价与客观参数之间的相关性

4.1针对照明充足度/均匀度的主客观变量相关性

便利店的主观评价变量与客观参数变量之间的对应关系如表7所示。

由表8可知：照明充足度与对应的照度平均值为正的强相关，照明均匀度与对应的照度均匀度U1为正的弱相关。

4.2主观评价变量的主成分分析

对主观评价变量进行KMO和Bartlett 的检验，其结果如表9所示。其KMO值为0.917，可对主观评价变量进行因子分析，进一步完成主成分分析。

将得到的综合主成分保存为描述主观评价的新变量，综合主成分包括地面照明充足度、地面照明均匀度、商品照明充足度、商品照明均匀度、整体视觉环境舒适度，将其定义为“整体视觉满意度”。

4.3整体视觉满意度与各客观变量之间的关系

整体视觉满意度与各客观参数之间的相关性检验结果如表11所示。

由表11可知，整体视觉满意度与开敞空间照度平均值、典型货架位置垂直照度平均值为正的强相关，与典型货架位置水平照度平均值、照明功率密度、单位面积照明造价为正的中度相关，与开敞空间照度均匀度U1、典型货架位置水平照度均匀度U1、典型货架位置垂直照度均匀度U1为正的弱相关。

5结论

1）中国便利店的照明能耗均值高于建筑照明设计标准GB 50034—2013现行值（此现行值与调研时采用的建筑照明设计标准GB 50034—2004一致），但便利店的主观评价“整体视觉满意度”与照明功率密度之间为正的中度相关。因此，在考虑便利店节能的同时，应关注其主观评价“整体视觉满意度”的变化。便利店的主观评价“整体视觉满意度”与照明功率密度之间的关系有待进一步研究。

2）照明功率密度、单位面积照明造价、典型货架位置水平/垂直照度平均值存在地域性差异，且东北区域的照明特征与东部/中部/西部有明显区别。在探讨便利店照明节能策略时应因地制宜，应对东北区域进行专门研究。

3）照明功率密度的预测模型为ln y=0479ln x1+0.248ln x2-0.217（y为照明功率密度，x1为单位面积照明造价，x2为典型货架位置水平照度平均值）。在低/中/高照明造价项目中，照明能耗均随“亮的诉求”而提升，但其增长速度在随亮度提升到一定程度时趋于稳定。在进行便利店照明设计时，确定造价后可根据模型兼顾合理的照明能耗和优良的照明效果。

4）照明充足度与对应的照度平均值为正的强相关，照明均匀度与对应的照度均匀度U1为正的弱相关。顾客对照明充足度的“敏感性”比照明均匀度高。

5）整体视觉满意度与开敞空间照度平均值、典型货架位置垂直照度平均值为正的强相关。进行便利店照明设计时，在一定范围内提高开敞空间的地面照度及商品照度，有助于提高便利店的整體视觉满意度。

6）调研时间为2013—2014年，调研获得的期望装修/换灯周期为4.24/2.75年，根据LED产品的发展趋势，能耗预测模型的有效时间建议为2018年之前。

参考文献：

[1] 方智勇. 我国便利店发展现状与趋势[J]. 当代经济， 2010（1）： 5253.

FANG Z Z. Current situation and development trend of convenience stores in China[J]. Contemporary Economy， 2010（1）： 5253.（in Chinese）

[2] 中国便利店发展报告：数据、O2O和服务是关键[J]. 全国商情， 2015（Sup2）： 2122.

China convenience store development report： Data， O2O and services are key points [J]. National Business， 2015（Sup2）： 2122.（in Chinese）

[3] 国家统计局. 中国统计年鉴[M]. 北京：中国统计出版社， 2014.

National Bureau of Statistics. China statistical yearbook[M]. Beijing： China Statistics Press， 2014.（in Chinese）

[4] JORDAN D K. Building energy data book： Department of Energy [EB/OL].[20111109]. http：//buildingsdatabook.eren.doe.gov

[5] JORDAN D K. Building energy data book： Department of energy & climate change， 2011， Energy consumption in the UK Services sector energyconsumption[EB/OL].[20111109].http：//buildingsdatabook.eren.doe.gov

[6] 任士宪. 加油站应用LED灯的节能效果分析[J]. 当代石油石化， 2011（7）： 2829，50.

REN S S. Analysis on energy saving effect of LED lamp used in gas station[J]. Contemporary Petroleum and Petrochemical， 2011，（7）： 2829，50.（in Chinese）

[7]〖CM）〗 上海照元节能技术有限公司. 绿色全家 节能先行——全家便利店LED照明节能改造[J]. 上海节能， 2012（7）： 10，12.

ZHAOYUAN Energy Saving Technology company. Green QUANJIA， energy saving first QUANJIA convenience store LED lighting energysaving transformation[J]. Shanghai Energy Conservation， 2012（7）： 10，12.（in Chinese）

[8] TIRAWANNAVIT K， KRUEASUK W， BHASAPUTRA P. Energy management for light system in the convenience stores： Case study of gas station in Thailand[C]// 2011 International Conference and Utility Exhibition on Power and Energy Systems： Issues & Prospects for Asia （Icue）， 2011： 5.

[9] LEE H C， HSIEN W D， LIN J Y. Investigation of energefficient convenience store in Taiwan[C]// Proceedings of the 3rd Asian Conference on Refrigeration and AirConditioning Vols I and II， 2006： 441444.

[10] LEE D S， SUNG C Z， IEEE. RFID based intelligent lighting system development for the convenience store [C]// proceedings of the IEEE International Conference on Systems， Man and Cybernetics， Istanbul， Turkey. New York： Ieee， 2010.

[11] 蔡宙燊， 张昕， 张宇涛. 我国专卖店照明的能耗预测模型与主观评价研究[J]. 照明工程学报， 2016，27（4）： 8994，143.

CAI Z S， ZHANG X， ZHANG Y T. Research on the prediction model of lighting energy consumption and subjective evaluation of special stores in China[J]. Illuminating Engineering， 2016，27（04）： 8994，143.（in Chinese）

[12] 方积乾. 医学统计学与电脑实验[M]. 上海：上海科学技术出版社， 2001.

FANG J Q. Medical statistics and computer experiments[M]. Shanghai ：Shanghai Science and Technology Press， 2001.（in Chinese）

[13] 薛微. SPSS統计分析方法及应用[M]. 北京：电子工业出版社， 2013.

XUE W. SPSS statistical analysis method and its application[M]. Beijing： Electronic Industry Press， 2013.（in Chinese）

[14] 颜虹. 医学统计学[M]. 北京：人民卫生出版社， 2005.

YAN H. Medical statistics [M]. Beijing： People's Medical Publishing House， 2005.（in Chinese）

[15] 尹光霞. 多元线性回归模型中的异方差性问题[J]. 湖北大学学报（自然科学版），2003（2）：121125.

YIN G X. Heteroscedasticity in multivariate linear regression models [J]. Journal of Hubei University （Natural Science Edition），2003（2）：121125.