大数据背景下的老大厦车库照明节能改造探索

刘磊 上海莱奕亭照明科技有限公司，上海201803

0 引言

上海黄浦区某超高层建筑为办公商业综合体，于上世纪90 年代初投入使用。该建筑的地下空间总共3层，其中地下2 层、3 层为停车场。该建筑于2012 年已进行过一次节能改造，采用LED 光源代替荧光灯，增加水电的能耗分计量等，能效比有了大幅提升。2019年初，大厦业主组织智能化专家、软件工程师等对大厦的智能化进行策划，笔者受邀参加了方案评审，并对智能照明与各位专家进行了探讨。

1 问题的提出

改造方案指出，当前的建筑照明能耗已占建筑总能耗的35%以上，因此需在车库、走道、卫生间等公共区域增加传感器，实现“人（车）走灯灭”，降低电能消耗。[1]不可否认，采用这种技术措施确实可以降低能耗，这也是常规的方法。

然而，上述的照明节能措施忽略了很一个重要的方面，就是人的舒适性。有研究表明，环境对人的心理（或情绪）影响非常大。光是环境的一个重要因素，比如商业环境就特别注重光的设计。当然，停车场的使用性质决定了它没有办公、商业场所的光环境重要，但许多地下停车场“人走灯灭”的案例表明，人从亮的环境突然进入暗的环境，虽然灯亮只需几秒种，但心理上还是没有安全感。同时，大厦的车库是一个大空间，只有一小片区域有光，舒适感也非常差。

看起来，经济性和舒适性似乎成为一种矛盾关系，如何辩证地处理这个矛盾是需要思考的问题。[2]

2 方案的提出

今天，科技日新月异，飞速发展。人工智能、大数据、云计算，伴随着5G 时代的来临，给了解决问题的无限可能。既然大厦的智能管理系统计划采用云技术，那智能照明也可以依托这个平台，利用这个优势资源来发挥它的作用，图1 为系统架构示意图。

图1 系统架构示意图

本工程的目标就是投资、节能、舒适之间达到最佳平衡，接下来从4 个方面进行论述。

2.1 经济性方面

从经济性方面考虑，以满足业主利益最大化的需求。因此，车位上的LED 灯只加装红外传感器（ON/OFF 控制），车道上原有的灯具统一升级为智能LED灯。此改造方案为业主节省了初期投资，费效比更优。

2.2 智能照明控制目标

在大厦物业的协助下，合理规划地下空间的停车区域。本着先“功能区”再“照明区”的原则，对长租车位和访客车位区域进行优化[3]，确定“照明区”不同的分区计划。这样能提升大厦的商业价值，使得访客停车区较写字楼的长租停车区有更多的舒适性。车道上的智能LED 灯在闲置时能将亮度降低至25%，当检测到行人或车辆时，马上将亮度上调，直至100%。对行人来说，他们总是能感受到“光随人动”，车辆在进出场及场内导航时，驾驶员有安全感，如图2 所示。

图2 光随人动

2.3 智能照明控制系统的算法

本工程智能照明系统采用的算法为DBSCAN（Density-Based Spatial Clustering of Application with Noise）, 中文为基于密度的允许带噪声的空间聚类应用。所谓聚类，就是根据事物的不同属性将其分为若干个不同的类。那么对于停车场来说，所有移动的物体，无论是人员或车辆，都可以归为一个类，这个类可以被命名为移动物（moving objects）。而且，在二维空间（或者说二维网格）中，可以描述停车场中的“移动物”这个类。

DBSCAN 算法，就是根据扫描半径（Eps）和最小包含点数（MinPts）两个输入参数自动计算生成类别的个数。通过传感器采集人员或车辆的位置信息，智能照明控制系统根据输入的数据进行聚类分析，求出达到设定照度的条件。下面笔者简单介绍一下DBSCAN 算法。

首先看DBSCAN 算法[4]的几个基本定义：

（2）核心对象：如果给定对象 邻域内的样本点数≥MinPts，则称该对象为核心对象；

（3）直接密度可达：对于样本集合D，如果样本点q 在p 的 邻域内，并且p 为核心对象，那么对象q从对象p 直接密度可达；

（4）密度可达：对于样本集合D，给定一串样本点p1, p2….pn，p= p1, q= pn, 假如对象pi从pi-1直接密度可达，那么对象q 从对象p 密度可达；

（5）密度相连：存在样本集合D 中的一点o，如果对象o 到对象p 和对象q 都是密度可达的，那么p和q 密度相联。

可以发现，密度可达是直接密度可达的传递闭包，并且这种关系是非对称的。密度相连是对称关系。DBSCAN 算法目的就是找到密度相连对象的最大集合，也就是找到簇。不包含在任何簇中的对象称为噪声。图3 为DBSCAN 算法示意图。

其次，DBSCAN 算法的描述。

输入：包含n 个对象的数据库，半径，最少数目MinPts；

图3 DBSCAN 算法示意图

输出：生成所有的簇，达到密度要求。

从任意一个未被访问点开始，找出与其距离在Eps之内(包括Eps) 的所有附近点。如果附近点的数量≥MinPts，则当前点与其附近点形成一个簇，并且出发点被标记为已访问。然后递归，以相同的方法处理该簇内所有未被标记为已访问的点，从而对簇进行扩展。如果附近点的数量＜MinPts，则该点暂时被标记作为噪声点。如果簇充分地被扩展，即簇内的所有点被标记为已访问，然后用同样的算法去处理未被访问的点。

具体流程如下：

（1）标记所有对象为未被访问；

（2）开始运行；

（3）随机选取1 个未被访问的对象p;

（4）标记p 为被访问；

（5）如果p 的 领域至少有MinPts 个对象；

（6）创建1 个新簇C，并把p 添加至C；

（7）定义N 为p 的 领域中的对象集合；

（8）遍历N 中的每个点p；

（9）如果p 未被访问；

（10）标记p 为已被访问；

（11）如果p 的 领域至少有MinPts 个对象，把这些对象添加到集合N；

（12）如果p 不是任何簇的成员，把p 添加到C；

（13）循环结束。

以Python 语言为例，聚类算法函数如下：

def function (p): #定义函数并访问第p 个样本

if len (d[p] [d[p]＜=Eps]) ＞= MinPts: #如果为核心样本

if d_c[p]=-1: #如果未被访问

c_num+=1

for n in range (len(d)): #遍历所有样本

if d [n]＜=Eps and d_c＜=0: #如果邻域内有不属于任何簇的样本

d_c=d_c [n] #归到同一簇

function (n) #进行递归计算

else;

if d_c[i]=-1: #如果未被访问

d_c[i]=0#标记为噪声

在以上计算机程序中，d 为式（1）中的矩阵D；d [x] 为第x 个坐标值；c_m 为输出簇的序号；d_c [x]为第x 个坐标的聚类结果，其值为-1 时表示该点未被访问，其值为0 时表示该点为噪声，其值大于0 时为该点所属簇的序号[5]。

DBSCAN 算法对用户定义的参数很敏感，细微的不同都可能导致差别很大的结果，而参数的选择无规律可循，只能靠经验确定。但是在大数据支撑下，无需传统的人工调参，而是后台运营数据给出的最优值。

2.4 无线移动技术应用

手机APP 可以推荐车位，反向寻车，找商铺，找电梯的车辆或行人。他们进入路径上的“照明区”前，移动数据已经进入数据集，算法的运行速度有了较大的提高，为智能照明系统的快算响应助力。如图4 所示。

图4 车辆管理系统推送最佳车位

3 工程的实施

在与业主共同研究分析了数个照明智能化厂家的产品后，综合评定，最终选择某品牌的产品搭建数字DALI调光的系统。图5 显示了DALI调光系统的构成。

由于该大厦管线错综复杂，地下空间净高不足，若再增加弱电线槽，势必还要降低车库净高。鉴于此，采用无线网络是明智的选择。成熟产品的支撑、经验丰富的技术人员的调试为工程的顺利实施提供了保障。

经过近1 年的运行，地下车库的照明电能消耗同比下降60%。随着运营数据和经验的不断积累，车库的照明能耗还有下降的空间。

图5 DALI 调光系统的构成

4 小结

长期以来，我国的大多数建筑物仍然沿用开关直接控制灯具的方式。这种传统的控制方式无法对灯具进行单独控制，特别是大型楼宇的停车场等面积较大的开敞空间，1 个开关只能控制1 条回路上的灯具同时开关。为使有人活动的区域获得充足的照明，不得不开启大部分灯具，造成了资源的大量浪费。

为实现照明智能化，我国的科技人员设计了基于ZigBee 的智能照明系统[6]、楼宇自控系统监控照明，又逐步发展为基于物联网架构的智能照明系统，但也只能实现灯具的定时开关、亮度调节，无法实现智能、实时地控制照明区域。本工程采用基于DBSCAN 算法的智能照明控制系统，该系统能根据人员或车辆的位置和分布，实时调整“照明区”的照度，降低照明能耗。

本工程的智能照明系统特别适用于面积较大的场所，不仅是停车场，对大型报告、会议厅的智能照明系统的设计同样有借鉴意义。