基于改進(jìn)DBSCAN算法的智能照明控制系統(tǒng)

湯 燁 ，陸衛(wèi)忠 ， 陳 成 ， 王 磊

（1.蘇州科技大學(xué) 電子與信息工程學(xué)院，江蘇 蘇州 215009；2.江蘇省建筑智慧重點(diǎn)實(shí)驗(yàn)室,江蘇 蘇州 215009；3.蘇州市虛擬現(xiàn)實(shí)智能交互及應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室，江蘇 蘇州 215009）

基于改進(jìn)DBSCAN算法的智能照明控制系統(tǒng)

湯 燁1，2，3，陸衛(wèi)忠1，2,3， 陳 成1,2,3， 王 磊1,2,3

（1.蘇州科技大學(xué) 電子與信息工程學(xué)院，江蘇 蘇州 215009；2.江蘇省建筑智慧重點(diǎn)實(shí)驗(yàn)室,江蘇 蘇州 215009；3.蘇州市虛擬現(xiàn)實(shí)智能交互及應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室，江蘇 蘇州 215009）

在大型場所，針對(duì)傳統(tǒng)照明系統(tǒng)無法實(shí)時(shí)、智能地控制照明區(qū)域，導(dǎo)致電能浪費(fèi)的現(xiàn)象，設(shè)計(jì)了一種基于改進(jìn)DBSCAN算法的智能照明控制系統(tǒng)。首先，使用傳感器獲取室內(nèi)人員位置信息；然后，將位置信息轉(zhuǎn)化為照明平面上的二維坐標(biāo)數(shù)據(jù)并使用改進(jìn)后的DBSCAN聚類算法對(duì)數(shù)據(jù)進(jìn)行聚類分析，找出人員分布相對(duì)密集的區(qū)域；最后，用單位容量法確定每個(gè)區(qū)域需要開啟的燈具個(gè)數(shù)。通過對(duì)照明區(qū)域的實(shí)時(shí)、智能控制，有效節(jié)約電能。實(shí)驗(yàn)結(jié)果表明，當(dāng)照明場所內(nèi)人員較少，或人員分布不集中時(shí)，節(jié)能效果明顯。

聚類；DBSCAN；智能照明；單位容量法

節(jié)能，不僅是世界性的重大課題，更是我國面臨的重大課題，關(guān)系到我國的經(jīng)濟(jì)安全和可持續(xù)發(fā)展[1]。建筑上的能源消耗是世界能源總消耗的主要部分，有學(xué)者指出，中國建筑能耗占全國能耗比重正在逐年上升，2004年至今，已從27%上升至33%。照明用電是大型建筑不可忽略的一項(xiàng)能源消耗，占建筑總能耗的20%～40%，因此，針對(duì)照明系統(tǒng)的節(jié)能研究，對(duì)節(jié)能減排工作有十分重要的意義[2]。

在大型教室、報(bào)告廳等面積較大的場所，由于燈具數(shù)量較多，開關(guān)數(shù)量有限，一個(gè)開關(guān)只能控制一條回路上多個(gè)燈具的同時(shí)開啟或關(guān)閉，無法對(duì)每個(gè)燈具進(jìn)行單獨(dú)控制。當(dāng)場所內(nèi)人員較少，或人員分布不集中時(shí)，為了使有人的區(qū)域都獲得充足的照度，需要開啟大部分燈具，造成了電力資源的嚴(yán)重浪費(fèi)。

實(shí)現(xiàn)照明系統(tǒng)的智能化，詹杰等人設(shè)計(jì)了基于ZigBee的智能照明系統(tǒng)[3]，王敏等人設(shè)計(jì)了基于物聯(lián)網(wǎng)架構(gòu)的智能照明系統(tǒng)[4]，他們?cè)谡彰飨到y(tǒng)中加入了無線控制技術(shù)，但仍需人參與控制，且未達(dá)到節(jié)能效果。文中設(shè)計(jì)的一種基于改進(jìn)DBSCAN（Density-Based Spatial Clustering of Application with Noise基于密度的允許帶噪聲的空間聚類應(yīng)用）算法的智能照明控制系統(tǒng)，是通過傳感器采集室內(nèi)人員的位置信息，控制器根據(jù)輸入的人員位置數(shù)據(jù)進(jìn)行聚類分析，求出達(dá)到指定照度的條件下需要開啟的燈具位置及數(shù)量。系統(tǒng)通過減小照明區(qū)域面積的方式，在保證照明質(zhì)量的前提下，有效的節(jié)約電能。

1 算法原理

該系統(tǒng)使用的聚類算法，是將代表室內(nèi)人員位置的數(shù)據(jù)集分為若干個(gè)子集，把室內(nèi)有人的區(qū)域分為若干個(gè)人員分布相對(duì)密集的子區(qū)域，只為這些子區(qū)域提供照明服務(wù)。

1.1 聚類

聚類是根據(jù)事物特定屬性的不同，將其分為若干個(gè)不同的類，使同一類內(nèi)事物的相似度盡量大，不同類間事物的相似度盡量小。聚類是一種無監(jiān)督學(xué)習(xí)，輸入數(shù)據(jù)只有特征，沒有類別標(biāo)簽。聚類有基于劃分、基于層次、基于密度、基于網(wǎng)格等方法，廣泛應(yīng)用于市場分析、信息安全、金融、娛樂、反恐等領(lǐng)域。

K-means算法，是數(shù)據(jù)挖掘聚類分析中一種應(yīng)用廣泛的算法，具有快速，簡單的優(yōu)點(diǎn)[5]。K-means算法需要給定生成類別的個(gè)數(shù)，只能形成類球形狀的數(shù)據(jù)簇且對(duì)初始聚類中心敏感[6]，因此不適合用于房間人員位置的聚類。

DBSCAN算法是一種具有代表性的基于密度的空間聚類分析算法,它具有可以發(fā)現(xiàn)任意形狀的聚類和有效屏蔽噪聲數(shù)據(jù)干擾的優(yōu)點(diǎn)[7-8]。DBSCAN算法，不需要給定生成的類別個(gè)數(shù)，可根據(jù)Eps（聚類半徑）和Minpts（聚類點(diǎn)數(shù)）兩個(gè)參數(shù)自動(dòng)確定生成類別的個(gè)數(shù)，適用于低維空間的聚類。室內(nèi)人員位置的聚類屬于二維空間內(nèi)的聚類，且Eps和Minpts兩個(gè)參數(shù)可根據(jù)使用燈具的型號(hào)種類以及房間的用途進(jìn)行調(diào)試確定，因此該系統(tǒng)選擇使用DBSCAN算法對(duì)室內(nèi)人員位置的數(shù)據(jù)進(jìn)行聚類，從而在大區(qū)域中找出若干個(gè)人員分布相對(duì)密集的小區(qū)域。

1.2 DBSCAN

下面給出DBSCAN算法中的一些定義：

核心樣本：如果一個(gè)樣本的Eps鄰域（以Eps為半徑的空間）內(nèi)至少包含Minpts個(gè)樣本，則稱該對(duì)象為核心樣本。

直接密度可達(dá)：在樣本集中，若樣本p是核心樣本，且樣本q在樣本p的Eps領(lǐng)域內(nèi)，則稱樣本p直接密度可達(dá)樣本q。

密度可達(dá)：若存在一個(gè)樣本集合{p1，p2，p3，...，pn}，p1=q，pn=p，且對(duì)任意 i∈[1,n-1]，pi直接密度可達(dá) pi+1，則稱q密度可達(dá)p。

密度相連：若存在樣本o，使圖標(biāo)o密度可達(dá)樣本p，且樣本o密度可達(dá)樣本q，則稱樣本q和樣本p密度相連。

簇：所有密度相連的樣本的集合。

噪聲：不包含在任何簇中的樣本。

DBSCAN有兩個(gè)輸入?yún)?shù)Eps和Minpts，用一個(gè)樣本的Eps鄰域內(nèi)樣本的個(gè)數(shù)來衡量此樣本的密度。DBSCAN算法的核心為逐個(gè)訪問每個(gè)未被訪問的樣本，當(dāng)樣本的密度達(dá)到Minpts時(shí)，將此樣本和它鄰域內(nèi)的其它樣本歸到一個(gè)簇中，并將這些樣本標(biāo)記為已訪問，再訪問此樣本鄰域內(nèi)的其它樣本，對(duì)簇進(jìn)行擴(kuò)展，直到?jīng)]有新的樣本加入此簇。DBSCAN算法流程可描述為：

（1）隨機(jī)選擇一個(gè)未被訪問的樣本，找出與其距離在Eps之內(nèi)（包括Eps）的所有附近樣本。①如果附近樣本的數(shù)量大于或等于Minpts，將此樣本附近樣本歸到此樣本屬于的簇中，若當(dāng)前樣本不屬于任何簇，則為此樣本建立一個(gè)新簇，并將此樣本和附近樣本歸到此新簇中；將此樣本被標(biāo)記為已訪問，然后遞歸，以相同的方法處理該簇內(nèi)所有未被標(biāo)記為已訪問的樣本，從而對(duì)簇進(jìn)行擴(kuò)展。②如果附近樣本的數(shù)量小于Minpts，將該點(diǎn)樣本暫時(shí)標(biāo)記為噪聲。

（2）如果簇充分地被擴(kuò)展，即簇內(nèi)的所有樣本被標(biāo)記為已訪問，則重復(fù)（1）用同樣的方法處理未被訪問的點(diǎn)，直到所有樣本都被標(biāo)記為已訪問[9-10]。

1.3 改進(jìn)的DBSCAN

1.3.1 DBSCAN存在的問題

（1）計(jì)算時(shí)間長。在確定每個(gè)樣本是否為核心樣本時(shí)，需要計(jì)算此樣本到所有其他樣本的距離，對(duì)于一個(gè)含有n個(gè)樣本的數(shù)據(jù)集，每進(jìn)行一次聚類，需要進(jìn)行n（n-1）次距離計(jì)算，當(dāng)數(shù)據(jù)集較大時(shí)，需要較長的計(jì)算時(shí)間。

（2）訪問順序隨機(jī)。DBSCAN對(duì)于數(shù)據(jù)集中樣本的順序不敏感，即樣本輸入的順序?qū)Y(jié)果影響不大，但對(duì)于同時(shí)處于兩個(gè)或多個(gè)簇邊界的樣本，可能會(huì)根據(jù)被哪個(gè)簇類優(yōu)先探測到而其歸屬有所擺動(dòng)[11]。對(duì)于數(shù)據(jù)集中的核心樣本p，q和非核心樣本m，若屬于簇A的樣本p直接密度可達(dá)樣本m，且處于簇B的樣本q直接密度可達(dá)樣本m，則樣本m的歸屬會(huì)根據(jù)樣本訪問順序而有所改變，若樣本m在樣本p之后被訪問，則樣本m將歸于簇A，若樣本m在樣本q之后被訪問，則樣本m將歸于簇B。由于DBSCAN對(duì)樣本的訪問順序是隨機(jī)的，因此同時(shí)處于多個(gè)簇邊緣的非核心樣本的歸屬是隨機(jī)的。在照明系統(tǒng)中，如果一個(gè)樣本所屬的簇是隨機(jī)變化的，可能引起某些燈具的開關(guān)也在每次進(jìn)行聚類后都隨機(jī)變化，即室內(nèi)人員的位置未發(fā)生變動(dòng)，但燈具的開關(guān)狀態(tài)不時(shí)的改變，從而對(duì)照明質(zhì)量產(chǎn)生影響。

1.3.2 改進(jìn)方法

（1）計(jì)算時(shí)間問題。采用一個(gè)n×n階矩陣D來存放各個(gè)樣本之間的距離（如式1所示），D中第i行第j列元素d[i]表示第i個(gè)樣本到第j個(gè)樣本的距離，n為樣本個(gè)數(shù)。在判斷第k個(gè)樣本是否為核心對(duì)象，即計(jì)算到此樣本距離小于Eps的樣本個(gè)數(shù)是否大于等于Minpts時(shí)，用矩陣D的第k個(gè)行向量D[k]中小于等于Eps的元素個(gè)數(shù)，即 len(D[k][D[k]＜=Eps])與 Minpts 進(jìn)行比較，若 len(D[k][D[k]＜=Eps])＞=Minpts，則第 k 個(gè)樣本為核心樣本，否則不是核心樣本。由于每個(gè)樣本到自己的距離為0，因此矩陣D主對(duì)角線上元素均為0，不需要計(jì)算，而第i個(gè)樣本到第j個(gè)樣本的距離等于第j個(gè)樣本到第i個(gè)樣本的距離，所以矩陣D為對(duì)稱陣，只需要在計(jì)算主對(duì)角線以上的元素后使D=D+DT，便可求出矩陣D中的所有元素的值。因此進(jìn)行一次聚類，需要進(jìn)行n(n-1)/2次距離計(jì)算，算法改進(jìn)后的計(jì)算時(shí)間減少了近一半。

（2）訪問順序問題。在獲取輸入數(shù)據(jù)后，對(duì)數(shù)據(jù)按某一標(biāo)準(zhǔn)進(jìn)行排序，在訪問樣本時(shí)按排序后的順序訪問。例如，在報(bào)告廳、教室等場所，可將樣本按其到講臺(tái)的距離進(jìn)行排序，優(yōu)先訪問靠近講臺(tái)的樣本，使同時(shí)處于兩個(gè)或多個(gè)簇邊緣的樣本歸屬到靠近講臺(tái)的簇中，從而使靠近講臺(tái)的燈具容易被打開，提高了系統(tǒng)的穩(wěn)定性。

1.3.3 實(shí)現(xiàn)方法

該系統(tǒng)使用python語言編寫聚類算法，改進(jìn)DBSCAN算法中訪問數(shù)據(jù)點(diǎn)的函數(shù)如下：

其中，d為式（1）中的矩陣D；data[i]為第i個(gè)坐標(biāo)數(shù)據(jù)；cluster_num為輸出簇的序號(hào)；data_cluster[i]為第i個(gè)數(shù)據(jù)的聚類結(jié)果，其值為-1時(shí)表示該點(diǎn)未被訪問，其值為0時(shí)表示該點(diǎn)為噪聲，其值大于零時(shí)為該點(diǎn)所屬簇的序號(hào)。

改進(jìn)后的DBSCAN算法，在減少計(jì)算時(shí)間和設(shè)定訪問順序兩個(gè)方面進(jìn)行了改進(jìn)，提高了智能照明控制系統(tǒng)的響應(yīng)速度和穩(wěn)定性。

2 照明系統(tǒng)

2.1 智能照明系統(tǒng)

智能照明系統(tǒng)是將傳感器、電器控制、智能信息網(wǎng)絡(luò)、無線通訊、網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)燃夹g(shù)結(jié)合，根據(jù)使用區(qū)域、人員需求、時(shí)間、自然光亮度等條件，通過預(yù)設(shè)的運(yùn)行命令自動(dòng)控制照明設(shè)備的系統(tǒng)[12-13]。智能照明系統(tǒng)在智能建筑中的應(yīng)用廣泛，體現(xiàn)出強(qiáng)大的優(yōu)越性。智能照明系統(tǒng)在智能建筑中的應(yīng)用效果為：（1）實(shí)現(xiàn)照明控制智能化；（2）改善工作環(huán)境，提高工作效率；（3）可觀的節(jié)能效果；（4）提高管理水平，減少維護(hù)費(fèi)用[14]。

長期以來，智能照明在國內(nèi)一直被忽視，大多數(shù)建筑物仍然沿用傳統(tǒng)的照明控制方式，即開關(guān)直接控制燈具。部分智能大廈采用樓宇自控系統(tǒng)來監(jiān)控照明，但也只能實(shí)現(xiàn)燈具的定時(shí)開關(guān)或亮度調(diào)節(jié)功能，無法實(shí)時(shí)、智能地控制照明區(qū)域。文中設(shè)計(jì)的智能照明控制系統(tǒng)能根據(jù)室內(nèi)人員分布，實(shí)時(shí)調(diào)整照明區(qū)域，通過減少照明區(qū)域面積的方法，提高照明效率，降低照明能耗。

2.2 照度計(jì)算

照度計(jì)算是照明工程設(shè)計(jì)過程中必不可少的重要步驟。照度計(jì)算的主要任務(wù)是：根據(jù)照度標(biāo)準(zhǔn)的要求及其他已知條件（如燈具形式及布置、室內(nèi)環(huán)境條件等），確定燈具的數(shù)量和光源的功率；或在燈具形式及布置、室內(nèi)環(huán)境條件等已確定的情況下，計(jì)算已知照明系統(tǒng)在被照面上產(chǎn)生的照度，用以檢驗(yàn)被照面上的照度能否達(dá)到標(biāo)準(zhǔn)要求[15]。

系統(tǒng)中照度計(jì)算的任務(wù)是在聚類算法輸出的各個(gè)子區(qū)域上根據(jù)需要的照度值、子區(qū)域的面積和使用燈具的規(guī)格計(jì)算出達(dá)到指定照度值時(shí)，需要開啟的燈具數(shù)量。

系統(tǒng)使用簡化的平均照度計(jì)算法——單位容量法計(jì)算達(dá)到指定照度需要開啟的燈具個(gè)數(shù)N，其公式為

其中Ф0為照度為1 lx時(shí)的單位容量，lm/m2·lx，其值可查表；A為照明區(qū)域面積，m2；E為設(shè)計(jì)的平均照度，lx；C1為當(dāng)房間內(nèi)各部分的光反射比不同時(shí)的修正系數(shù)；C2為光源調(diào)整系數(shù)；Ф′為每個(gè)燈具的光源總光通量[16]。

3 系統(tǒng)說明

系統(tǒng)的主要功能是根據(jù)輸入的室內(nèi)人員位置數(shù)據(jù)和設(shè)定的照度值或照度等級(jí)，通過實(shí)時(shí)控制燈具的開啟與關(guān)閉，實(shí)現(xiàn)對(duì)室內(nèi)照明區(qū)域和被照區(qū)域照度的實(shí)時(shí)控制。

圖1所示為系統(tǒng)結(jié)構(gòu)圖，系統(tǒng)的輸入數(shù)據(jù)為照度E和矩陣 X，E為設(shè)定的照度值或照度等級(jí)，X=[(x1，y1)，(x2，y2)，…，(xn，yn)]為 n 行 2 列矩陣，表示室內(nèi)人員位置，可由傳感器獲取，如在報(bào)告廳、禮堂的座位上安裝傳感器，當(dāng)座位上有人時(shí)，系統(tǒng)將座位編號(hào)轉(zhuǎn)化為其在照明平面內(nèi)對(duì)應(yīng)的二維坐標(biāo)。

圖1 系統(tǒng)結(jié)構(gòu)圖

系統(tǒng)每經(jīng)過一個(gè)固定時(shí)間間隔，獲取一次輸入，并與上一次的輸入進(jìn)行比較，若兩次輸入不同，即室內(nèi)人員位置發(fā)生變化，則使用改進(jìn)的DBSCAN算法對(duì)矩陣X中坐標(biāo)數(shù)據(jù)進(jìn)行聚類。聚類算法將數(shù)據(jù)集X分成k個(gè)簇c1,c2…ck，每個(gè)簇代表一個(gè)人員分布相對(duì)密集的小區(qū)域，即需要提供照明的區(qū)域。

系統(tǒng)在聚類算法輸出的每個(gè)子區(qū)域上進(jìn)行照度計(jì)算，對(duì)第i個(gè)子區(qū)域，計(jì)算其被照平面面積Ai，考慮到照明區(qū)域面積應(yīng)比實(shí)際座位和桌面所占面積之和略大些，因此取

其中A0為一個(gè)座位所占面積，為第i個(gè)簇中樣本個(gè)數(shù)。

將設(shè)定的照度值E、子區(qū)域的面積Ai和使用燈具的光通量代入式（2），計(jì)算出達(dá)到設(shè)定的照度值時(shí)，第i個(gè)子區(qū)域內(nèi)需要開啟的燈具數(shù)量Ni。計(jì)算公式如下：

對(duì)于一個(gè)固定場所，在燈具和座位布置不變的條件下，A0、Ф0、C1、C2、Φ′均為常數(shù)，因此式（4）可簡化為：

系統(tǒng)輸出控制信號(hào)至控制燈具的繼電器，在第i個(gè)聚類輸出的區(qū)域上等間隔地開啟Ni組燈具。

4 測試結(jié)果

4.1 應(yīng)用場景

將此系統(tǒng)應(yīng)用于某科技大廈一層的300座學(xué)術(shù)報(bào)告廳。圖2所示為學(xué)術(shù)報(bào)告廳部分區(qū)域的平面圖。如圖3所示，300個(gè)座位上方布置了12排燈具，每排12組，共144組燈具，每組燈具含2個(gè)12瓦648流明熒光燈。前后排座位之間間隔 1 m，中間過道寬 2.2 m，座位寬 0.65 m，圖2中黑色座位表示有人的座位，在照明平面中，前兩排人員位置坐標(biāo)可表示為[2.6，0]，[3.25，0]，[3.9，0]， [4.55，0]， [5.2，0]， [5.85，0]， [9.35，0]，[10，0]，[10.65，0]，[11.3，0]，[2.275，-1]，[2.925，-1]，[3.575，-1]，[4.275，-1]，[4.875，-1]，[5.525，-1]，[6.175，-1]，[9.025，-1]，[9.675，-1]，[10.325，-1]，[10.975，-1]。

若使用開關(guān)直接控制燈具，為了使所有人都獲得充足的照明，根據(jù)開關(guān)控制的回路中燈具數(shù)量的不同，可能需要開啟大部分甚至全部144組燈具。根據(jù)建筑照明設(shè)計(jì)標(biāo)準(zhǔn)GB50034-2013：正常照明單相分支所接光源數(shù)或發(fā)光二極管數(shù)不宜超過25個(gè)。若一個(gè)回路控制兩排24組燈具，則需開啟6排總計(jì)72組燈具。

圖2 報(bào)告廳平面圖

圖3 照明平明面布置圖

4.2 實(shí)驗(yàn)結(jié)果及分析

取 Eps=1.4 m，Minpts=2，照度值為 200 lx，將數(shù)據(jù)輸入系統(tǒng)。如圖4所示，左圖為聚類輸入數(shù)據(jù)，右圖為聚類結(jié)果，改進(jìn)的DBSCAN聚類算法將數(shù)據(jù)分為2個(gè)簇，即2個(gè)需要提供照明的區(qū)域。

在輸出的每個(gè)區(qū)域上進(jìn)行照度計(jì)算，取A0=0.65 m2，Φ′=648 lm，|c1|=30，|c2|=23，查表得 Ф0=2.28 lm/m2·lx，C1=1.27，C2=1.4，計(jì)算出兩個(gè)區(qū)域需要開啟的燈具數(shù)量分別為15組和12組?？傆?jì)需要開啟的燈具總數(shù)為27組，與傳統(tǒng)控制方式相比，減少了62.5%的燈具使用，極大的減少了電能的消耗。

在此應(yīng)用場景中，分別使用改進(jìn)前的DBSCAN算法和改進(jìn)后的DBSCAN算法對(duì)此數(shù)據(jù)集進(jìn)行聚類計(jì)算。改進(jìn)前的DBSCAN算法耗時(shí)18 ms，改進(jìn)后只需9 ms，改進(jìn)后的DBSCAN算法運(yùn)行速度比改進(jìn)前提高了近一倍，從而為照明系統(tǒng)的快速響應(yīng)提供了保障。

圖4 聚類結(jié)果圖

5 結(jié)語

設(shè)計(jì)了基于改進(jìn)DBSCAN算法的智能照明控制系統(tǒng)，在標(biāo)準(zhǔn)DBSCAN算法的基礎(chǔ)上，針對(duì)照明系統(tǒng)的特點(diǎn)，對(duì)算法進(jìn)行了改進(jìn)，提高了算法的計(jì)算速度和穩(wěn)定性。該系統(tǒng)能根據(jù)室內(nèi)人員位置和設(shè)定的照度值實(shí)時(shí)控制照明燈具，調(diào)整照明區(qū)域和被照明區(qū)域的照度。在大型教室、報(bào)告廳等面積較大的場所，能有效的節(jié)約電能，當(dāng)室內(nèi)人員較少，或人員分布不集中時(shí)，節(jié)能效果比較明顯。

[1]趙鯤鵬.用科學(xué)的態(tài)度實(shí)現(xiàn)照明節(jié)能[J].照明工程學(xué)報(bào)，2014，25（6）：137-138.

[2]周欣，燕達(dá)，任曉欣，等.大型辦公建筑照明能耗實(shí)測數(shù)據(jù)分析及模型初探[J].照明工程學(xué)報(bào)，2013，24（4）：14-23.

[3]詹杰，吳伶錫，唐志軍.基于ZigBee的智能照明控制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電力電子技術(shù)，2007，41（10）：25-26，51.

[4]王敏，武陽，王寧，等.基于物聯(lián)網(wǎng)架構(gòu)的智能照明系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電工技術(shù)學(xué)報(bào)，2015，30（s1）：110-114.

[5]張琳，陳燕，汲業(yè)，等.一種基于密度的 K-means算法研究[J].計(jì)算機(jī)應(yīng)用研究，2011，28（11）：4071-4073，4085.

[6]SUN J G,LIU J,ZHAO L Y.Clustering algorithms research[J].Journal of Software，2008，19（1）：48-61.

[7]DASZYKOWSKI M,TYAN T N,DRAB K.Dbscan[J].Acta Ophthalmologica.2014，89（Supplement s248）：51-79.

[8]胡彩平，秦小麟.一種改進(jìn)的空間聚類算法[J].模式識(shí)別與人工智能，2007，20（3）：371-376.

[9]榮秋生，顏君彪，郭國強(qiáng).基于DBSCAN聚類算法的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用，2004，24（4）：45-46，61.

[10]曾澤林，段明秀.基于密度的聚類算法DBSCAN的研究與實(shí)現(xiàn)[J].科技信息，2012（30）：163.

[11]DASZYKOWSKI M,TRAN T N,DRAB K.dbscan[J].Acta Ophthalmologica,2014,89（Supplement s248）：51-79.

[12]尤磊.智能照明設(shè)計(jì)與傳統(tǒng)照明設(shè)計(jì)的區(qū)別[J].建筑工程技術(shù)與設(shè)計(jì)，2016（4）：770.

[13]MATTA S,MAHMUD S M.An intelligent light control system for power saving[C]//IECON 2010,Conference of the IEEE Industrial Electronics Society,2010，183（4）：3316-3321.

[14]武交峰，簡志雄.教室節(jié)能智能照明控制系統(tǒng)設(shè)計(jì)[J].中國高新技術(shù)企業(yè)，2017（2）：7-9.

[15]劉沁，張乘風(fēng)，劉啟能.綠色照明設(shè)計(jì)中照度計(jì)算的解析方法[J].照明工程學(xué)報(bào)，2010，21（6）：9-12.

[16]付敏.單位容量法快速計(jì)算照度的研究[J].燈與照明，2004，28（3）：16-17，24.

Intelligent lighting control system based on improved DBSCAN algorithm

TANG Ye1,2,3,LU Weizhong1,2,3,CHEN Cheng1,2.3,WANG Lei1,2.3
（1.School of Electronic and Information Engineering,SUST,Suzhou 215009,China;2.Jiangsu Key Laboratory of Intelligent Building Energy Efficiency,Suzhou 215009,China;3.Virtual Reality Key Laboratory of Intelligent Interaction and Application Technology of Suzhou,Suzhou 215009,China）

Due to the fact that the traditional lighting system cannot control the lighting area real-timely and intelligently in large place,which leads to the waste of electric energy,the paper designs a kind of intelligent lighting system based on the improved DBSCAN algorithm.Firstly,the location information of indoor personnel is obtained by sensors;secondly,the location information is transformed into two dimensional coordinate data on the illumination plane,and the improved DBSCAN clustering algorithm is used to cluster the data to find the areas where the personnel distribution is relatively dense;finally,the number of lights in each area when reaching specified illuminance is determined by unit capacity method.The electric energy can be effectively saved through the real-time and intelligent control of the lighting area.The experimental results show that the effect of energy saving is obvious when the personnel in the lighting place are few,or the personnel distribution is not concentrated.

cluster;DBSCAN;intelligent lighting;unit capacity method

盧文君）

TP274+.2

A

2096-3270（2017）04-0070-06

2017-07-11

國家自然科學(xué)基金項(xiàng)目（61672371）；江蘇省教育廳自然科學(xué)研究項(xiàng)目（08KJD510007）

湯 燁（1994－），男，江蘇蘇州人，碩士研究生。

陸衛(wèi)忠（1964－），男，副教授，從事嵌入式系統(tǒng)及應(yīng)用和機(jī)器學(xué)習(xí)的研究，Email：luwz@usts.edu.cn。