基于綜合度量聚類的LED路燈控制系統自動組網方法研究及其應用

耿曉明，文玉梅，劉祥明

(1.重慶大學光電工程學院,重慶　400044; 2.重慶四聯光電科技有限公司,重慶　400711)

?

基于綜合度量聚類的LED路燈控制系統自動組網方法研究及其應用

耿曉明1,2，文玉梅1，劉祥明2

(1.重慶大學光電工程學院,重慶400044; 2.重慶四聯光電科技有限公司,重慶400711)

隨著近年LED路燈照明產業的蓬勃發展，結合物聯網技術，LED路燈控制系統也在飛速發展.對于使用ZigBee通訊網絡的控制系統，在其系統組網過程中，底層Mash網絡的分簇一直靠人工進行，需要反復嘗試，且控制效果不佳。本文從環境對ZigBee網絡綜合影響和聚類分析出發，提出一種基于綜合度量聚類的LED路燈控制系統自動組網方法。實驗和應用效果證明，在現場環境比較空曠的情況下，該聚類方法能夠較好的根據路燈終端節點的分布和使用環境自動計算集中器的布局位置，可以有效降低系統組網難度，減少工作量和施工成本。

LED路燈；照明系統; 組網; ZigBee網絡; 聚類分析

LED光源與傳統照明光源相比，具有發光效率高、耗電量少、使用壽命長、安全可靠、環保等優點。目前，隨著LED照明光源的發展，LED照明在傳統照明市場的滲透率逐步提升，國家也積極推出各種優惠政策促進中國LED產業發展，作為政府主導的市政路燈照明成為LED的主要應用領域之一。LED光源的可控性較好，且由于政府對節能和管理方面的要求，結合物聯網技術，誕生出LED路燈照明控制系統[1-2]，其典型結構如圖1所示。

傳統的LED路燈照明控制系統參照物聯網的系統架構[3]，采用四層的分層結構，包括節點層、集中層、服務層和應用層[4-5]，其節點層和集中層分布在LED照明現場，而服務層的各種服務器和防火墻在服務器機房，應用層的配置客戶端和操作客戶端部署在控制室，應用層還提供Web接入以對系統進行控制。由于LED路燈控制系統的路燈覆蓋面積可達幾十甚至上百平方公里，其數量可達數萬盞，導致ZigBee終端節點分布廣，需要組網的ZigBee終端節點數量大。集中器將這些覆蓋面廣和數量巨大的ZigBee終端節點分割成一個個小的ZigBee子通訊網絡，減小甚至消除ZigBee子網絡相互之間的通訊干擾。通過集中器進行ZigBee子通訊網絡分割的現場組網工作目前主要由工程人員根據地理環境進行，需要工程人員對照明現場地理環境比較熟悉，且勞動強度巨大，需要反復嘗試，花費周期較長，同時工程人員的主觀因素也會影響到集中器部署位置，從而影響LED路燈照明控制系統的最終控制效果。鑒于此，作者提出一種基于綜合度量聚類的LED路燈控制系統自動組網方法，以降低勞動強度和組網周期，減少工程人員的主觀因素。

1　LED路燈控制系統組網

在LED路燈控制系統中，對整個控制網絡進行抽象，其網絡結構，如圖2所示。

圖2　 LED路燈照明控制系統的網絡結構Fig.2　Network structure of the LED streetlamp control system

圖2中，Server表示服務器，E1,…,Ei,…,Em表示m個集中器，Ti_1,…,Ti_ni表示集中器Ei的Ni個終端節點。在此定義：

定義1給定n個終端節點的集合T，使用m個集中器將集合T劃分為m個集合：

(1)

且m<

(2)

稱這種集合劃分的過程為LED路燈控制系統組網。

在此，需要一種方法找到覆蓋T的m個覆蓋區域，在覆蓋區域內的合適位置安裝集中器，使得區域內通訊效果較好，同時使不同區域之間的通訊干擾較小。本文以終端節點空間距離和通訊環境系數作為度量，用聚類分析方法，找出集合T的T1,…,Ti,…,Tm各個中心點作為集中器安裝點。

2　LED路燈控制系統的綜合度量聚類自動組網

2.1聚類分析

聚類分析[7]，其研究對象是大量的樣品，根據“物以類聚”的原理，對樣本進行分類的一種多元統計分析方法，能按各自的特性來進行無先驗知識情況下進行合理的分類。聚類過程，將樣本分類到不同的類或者簇，使得同一個簇中的對象具有較大的相似性，而不同簇間的對象有較大的相異性。聚類分析在不同的應用領域都得到了發展，常常用作描述數據、衡量不同數據源間的相似性以及把數據源分類到不同的簇中。常用的聚類分析方法主要有分裂法、層次法、基于密度的方法、基于網格的方法和基于模型的方法等。在本案例中，由于路燈控制終端的數量往往在較多的情況下，才需要采用自動計算的方法，如果采用分裂法和層次法等運算量較大，因此采用了k-medoids方法[6,8]。

聚類分析的核心要素，一方面是對象間的相似性度量，另一方面在于根據相似性度量搜索類或簇的過程。

2.2聚類組網

2.2.1相似度量

兩個對象間的相似性常以距離來度量，距離越近表示兩個對象相似性越高，反之，則相似性越低.假設有對象X=(X1,…,Xi,…,Xn)和Y=(Y1,…,Yi,…,Yn)，其中Xi和Yi表示對象X和Y第i分量，常用閔可夫斯基(Minkowski)距離函數度量X和Y間的相似性，Minkowski距離定義為

(3)

當p=1、p=2和p→∞時，式(3)分別表示曼哈頓距離、歐氏距離和切比雪夫距離。

由于終端節點在平面上的分布，可以采用歐氏距離來度量兩個終端節點之間的空間距離，但是ZigBee節點有效通信距離還受到其它因數影響，如終端節點附近建筑、樹木遮擋、城市熱點WIFI和汽車等，在此引入環境綜合因子α，以表征環境對終端節點ZigBee通信的影響程度。則任意兩個ZigBee節點的距離度量，在此定義為：

(4)

同時，考慮到ZigBee節點有效通信距離不得超過一定值，則式(4)修正為：

(5)

式中，Threshold 表示最大有效通訊距離，用于限制簇的作用距離，在本案例中定義為1.2 km。

α的取值可以參考非視距鏈路損耗表達式：

(6)

其中，d0是近發射端的參考位置點，d為發送模塊與接收模塊之間的距離，PL(d0)是參考點處的鏈路損耗，為鏈路損耗指數，Xσ(dB)為陰影衰落，為零均值標準偏差為σ的高斯分布。

信道鏈路損耗與所處的環境、工作頻段、工作距離有關，對于γ、σ、PL(d0=1m)，由于實際應用環境比較復雜，國內外有很多學者在各頻段進行了大規模的測試，并對參數值進行了統計和分析[9-13]，Sohrabi等人[10]給出了各種不同近地傳播條件下，800～1000 MHz頻率范圍內，帶寬為200 MHz信號的測試結果。

表1　800～1000 MHz近地測量的平均路徑損耗、陰影方差和參考距離的路徑損耗范圍[10]

從表1可知，茂密的樹木對無線信號衰減影響是很大的。在路燈控制系統的實際安裝環境中，有很多路段綠化較好，道路兩旁樹林較多，且樹木高度與路燈高度相當，將路燈和路燈控制終端埋在樹葉中，會導致無線信號衰減較大。同時，道路兩旁的建筑也是影響通訊信號的一個主要因素。

而在IEEE802.15.4a信道模型[12]中，也給出了(2～10)GHz無線通訊各種傳輸環境下各種修正因子的測量值。其中戶外場地的視距傳輸(LOS)情況下γ、σ、PL(d0=1m)分別為1.76、0.83、-45.6，非視距傳輸(NLOS)情況下分別為2.5、2、-73.0。

由于本算法無需對具體衰減值進行詳細的求解，只需對信號衰減區域進行簡單的劃分。因此，綜合考慮通訊模塊參數、路燈間距以及路燈被樹木遮擋的情況、附近建筑物的高度和密度等，結合上述測試數據，對α的取值進行了簡單的分類，如表2所示。

表2　環境綜合因子分檔

對于道路兩旁建筑物較密集且高度遠高于路燈的環境不適合本算法。

2.2.2聚類算法

以式(4)定義的距離度量作為相似性度量，對終端節點進行分簇，設簇的中心節點為Ei，亦即集中器的安裝位置，其數學描述為：

(7)

公式(7)表示從終端節點集合T中找到m個節點，及其m個不相交的終端節點子集合T1,T2,…,Ti,…,Tm，每個子集合Ti到Ei的相似度量之和使得DistTotal最小。

聚類算法流程，如圖3所示。

圖3　聚類算法流程圖Fig.3　Flow chart of clustering algorithm

聚類算法的詳細描述如下：

a. 設置起始簇數目m=1，及其最大迭代次數maxstep的初始值；

c. 按式(5)計算T中每個節點Tj與E每個元素Ei的距離度量，將Tj劃分到具有最小距離值的Ei所在的簇中，從而形成m個簇；

e. 按式(7)計算距離之和dist；

f. 判斷當前迭代次數大于等于大于最大迭代次數或各個中心不再變化，若是，則進入下一步，否則，進入步驟(c)；

g. 判斷是否滿足dist<∞，若不滿足，則更新簇的數目m=m+1，進入步驟(b)，否則，進入下一步；

重復上述步驟，最終得到m個集中器的安放位置及其對應分簇。

3　仿真及實驗

數據來源于重慶四聯光電科技有限公司，取用重慶市北碚區高速路出口的464個LED路燈終端節點的安裝位置，根據所在環境特征，其終端及其對應的綜合因子α分布，如圖4所示。

圖4　終端節點及其綜合因子分布Fig.4　Distribution of terminals and comprehensive factors

圖4中，根據地理環境特征，將重慶市北碚區高速路出口分為3個區域：區域#1，以街道為主，因為綠化較好，樹木遮擋較多，有部分燈具甚至藏在樹中，故區域內所有終端節點的α=0.70；區域#2，以高速立交橋為主，樹木遮擋較少，故區域內綜合因子取值α=0.90；區域#3，有一定程度的樹木遮擋，在此區域內綜合因子取值α=0.80。

根據上述終端節點及其綜合因子分布，分別按歐氏距離和綜合距離度量的聚類結果，如圖5所示。

圖5　歐氏距離(a,b)和綜合距離(c,d)度量的聚類結果Fig.5　Calculations of clustering algorithm with Euclidean distance (a,b) and comprehensive distance (c,d)

圖5中，(a)表示歐氏距離的聚類結果，(b)表示其每次迭代的總的距離；(c)表示考慮綜合因子后的聚類結果，(d)表示其每次迭代的總的距離.兩種不同度量的聚類結果都收斂，但是其形狀和中心不相同。

歐氏距離作為聚類相似性度量具有一定的合理性，但是沒有考慮到環境的綜合影響，而綜合距離作為相似性度量進行聚類，在一定程度上彌補了這一缺陷，滿足通信環境較差(α取值較小)的區域放置更密集的集中器，在環境不是很差(α取值較大)的區域集中器放置更為稀疏，集中器的安放位置更貼近現實工程情況。

4　結論

本文從LED路燈控制系統底層Mash網絡組網出發，研究其在環境影響下的自動化組網方法，結合聚類技術，進一步提出基于綜合度量聚類的LED路燈控制系統自動組網的方法，實驗結果說明，此方法提高工作效率的同時，降低了勞動強度和工作周期，改變了以往完全依賴人工組網的狀況，同時能夠反映出環境對組網和集中器安裝位置的影響.由于文中只考慮到地形較為平坦和建筑物不是很高的LED路燈環境，下一步將研究非平坦地形和高大建筑影響下的LED路燈控制系統組網方法。

[1] PAN Meng-Shiuan, YEH Lun-Wu, CHEN Yen-Ann, et al. A WSN-Based Intelligent Light Control System Considering User Activities and Profiles[J]. Sensor Journal, 2008, 8(10):1710-1721.

[2] BELLIDO-Outeirino F J. Building lighting automation through the integration of DALI with wireless sensor networks[J]. Consumer Electronics, 2012, 58(1): 47-52.

[3] 朱洪波,楊龍祥,于全. 物聯網的技術思想與應用策略研究[J]. 通信學報,2010, 11(31)：2-9.

[4] 王林玉. 面向智慧城市建設的道路照明監控管理系統研究與開發[D]. 杭州：浙江大學, 2013.

[5] 陳鳳賢. 基于多智能體技術的路燈節能控制系統的研究[D]. 廣州：華南理工大學, 2013.

[6] PARK, Hae-Sang, JUN Chi-Hyuck. A simple and fast algorithm for K-medoids clustering[J]. Expert Systems with Applications，2009(36):3336-3341.

[7] LIANG Bai, Liye LIANG, CHAO Sui, Chuangyin Dang. Fast global k-means clustering based on local geometrical information[J]. Information Sciences，2013(245): 168-180.

[8] MARIA Camila N. Barioni, HUMBERTO L. Razente, AGMA T, et al. Accelerating k-medoid-based algorithms through metric access methods. The Journal of Systems and Software，2008(81):343-355.

[9] JOSHIGG, DIETRICH C B, ANDERSON C R, et. Near-ground channel measurements over line-of sight and forested path[C]. IEEE Proceedings of Microwave Antennas Propagation, 2005, 152(6):589-596.

[10] SOHRABIK, MANRIQUEZB, GREGORY JP. Near ground wideband channel measurement in 800-1000 Hz[C]. IEEE Vehicular Technology Conference, 1999, 1: 571-574.

[11] 沈杰,姚道遠,黃河清,等. 野外地表無線傳感器網信道傳播模型的測定與分析[J]. 光學精密工程, 2008，16(1)142.

[12] MOLISCH A F, BALAKRISHNAN K, CASSIOLID, et al. IEEE 802.15.4a channel model-Final report[R/OL]. (2016-02-08)[2009-05-03].http://wenku.baidu.com/view/75fd7cfafab069dc50220196.html.

The Research and Application of an Automatic Networking Method Based on Cluster of Comprehensive Measuringfor LED Lighting Control Systems

GENG Xiaoming1,2, WEN Yumei1, LIU Xiangming2

(1.The College of Optoelectronic Engineering,Chongqing University, Chongqing400044, China;2.ChongqingSilianOptoelectronicScienceandTechnologyCo.LTD,Chongqing400711,China)

In recent years, the LED street light control systems have developed rapidlywith the vigorous development of LED lighting industry and IoT(the Internet of Things) technology.For the systems using ZigBee communication Mash network, clustering is difficult and not cost effective because of the man-hours needed for multiple attempts at proper placement of concentrators. This paper provides a networking method usinga clustering algorithm analysis based on comprehensive environmental factors, such as spread distance, location of lighting, etc., which can automatically calculate installation positions of concentrators. We’ve used this method on manyactual projects and it has proved to make the network processing easier and reduce engineering cost in an open landscape.

LED street lamp; lighting system; networking; ZigBee network; cluster analysis

國家863項目(2013AA03A118)；重慶市科技攻關計劃項目(cstc2012gg-yyjsB50003)

耿曉明，E-mail：gxm771208@126.com

TP181; TP301.6

ADOI:10.3969/j.issn.1004-440X.2016.05.022