我國(guó)專(zhuān)賣(mài)店照明的能耗預(yù)測(cè)模型與主觀評(píng)價(jià)研究

蔡宙燊， 張 昕， 張宇濤

(1.清華大學(xué)建筑學(xué)院，北京 100084；2．廣東三雄極光照明股份有限公司，廣東 廣州 511495)

?

我國(guó)專(zhuān)賣(mài)店照明的能耗預(yù)測(cè)模型與主觀評(píng)價(jià)研究

蔡宙燊1， 張 昕1， 張宇濤2

(1.清華大學(xué)建筑學(xué)院，北京 100084；2．廣東三雄極光照明股份有限公司，廣東 廣州 511495)

專(zhuān)賣(mài)店的照明能耗在其室內(nèi)總能耗中占最大比例。對(duì)其照明現(xiàn)狀的分析梳理，對(duì)于優(yōu)化專(zhuān)賣(mài)店的照明設(shè)計(jì)具有重要意義。基于實(shí)測(cè)數(shù)據(jù)和主觀評(píng)價(jià)，本文對(duì)全國(guó)173家專(zhuān)賣(mài)店的照明現(xiàn)狀進(jìn)行統(tǒng)計(jì)分析，建立了照明能耗模型。研究表明，我國(guó)專(zhuān)賣(mài)店照明具有較大節(jié)能潛力。

專(zhuān)賣(mài)店；照明能耗預(yù)測(cè)模型；照明節(jié)能；照明造價(jià)；視覺(jué)滿意度

引言

專(zhuān)賣(mài)店是專(zhuān)業(yè)經(jīng)營(yíng)某一品牌商品的零售商店。因其主要經(jīng)營(yíng)單一名牌特色精品，既有利于促銷(xiāo)又受到相當(dāng)部分固定消費(fèi)者的歡迎，包括生產(chǎn)廠商自己設(shè)置的和廠商授權(quán)的特許經(jīng)營(yíng)店[1]。我國(guó)專(zhuān)賣(mài)店2013年年末零售營(yíng)業(yè)面積為477.8萬(wàn)m2，從業(yè)人數(shù)16.1萬(wàn)人，總店數(shù)量318個(gè)，門(mén)店數(shù)量26 113個(gè)，商品銷(xiāo)售額1 582.7億元[2]。在西方國(guó)家，零售建筑能耗在服務(wù)業(yè)領(lǐng)域中是占比最高的，約占總建筑能耗的21%[3-4]。照明在零售建筑能耗中占比最高，在美國(guó)約占30.1%[3]，在英國(guó)約占34.0%[4]。根據(jù)預(yù)測(cè)，中國(guó)商業(yè)照明需求的年均增長(zhǎng)率為5.9%，總量將從2002年的1 587萬(wàn)億lm/h增長(zhǎng)為2020年的4 462萬(wàn)億lm/h。由于缺少我國(guó)基本的零售照明數(shù)據(jù)，很難明確掌握目前在宏觀層面的具體情形[5]。國(guó)內(nèi)研究主要針對(duì)專(zhuān)賣(mài)店的照明設(shè)計(jì)：梅劍平[6]指出家具專(zhuān)賣(mài)店中喜好性氛圍與場(chǎng)景光分布均勻性、亮部集中區(qū)域有關(guān)；王丹[7]指出專(zhuān)賣(mài)店照明常用三類(lèi)光源(陶瓷金鹵燈、節(jié)能燈、低壓鹵鎢燈)中陶瓷金鹵燈的照明質(zhì)量和光源節(jié)能為最優(yōu)；袁樵[8]提出專(zhuān)賣(mài)店櫥窗的照明設(shè)計(jì)手法。國(guó)外研究更關(guān)注能耗：Einsporn等[9]指出LED、熒光燈、節(jié)能燈、白熾燈的能耗差異；Lee等[10]指出高效的照明系統(tǒng)、暖通空調(diào)、冷藏設(shè)備等可將臺(tái)灣便利店的能耗降低26%；Jaber等[11]指出在約旦能耗偏高歸咎于夏天過(guò)度照明和大量使用空調(diào)；Lam等[12]指出在亞熱帶地區(qū)的購(gòu)物中心，空調(diào)和照明占建筑能耗的85%。

本文旨在通過(guò)對(duì)全國(guó)各地173家專(zhuān)賣(mài)店的分析，從客觀數(shù)據(jù)和主觀評(píng)價(jià)兩方面探討我國(guó)專(zhuān)賣(mài)店的照明特征，建立專(zhuān)賣(mài)店照明能耗的數(shù)學(xué)模型，挖掘節(jié)能潛力，探討客觀參數(shù)與主觀視覺(jué)滿意度的關(guān)聯(lián)方式。

1 研究方法

1.1 數(shù)據(jù)采集

本文的實(shí)測(cè)數(shù)據(jù)來(lái)源于全國(guó)各地173家專(zhuān)賣(mài)店，約占全國(guó)專(zhuān)賣(mài)店總門(mén)店數(shù)的0.66%。樣本取自全國(guó)32個(gè)地級(jí)市，在東部、中部、東北及西部均有分布，其中東部樣本占總數(shù)的48.0%，西部樣本占總數(shù)的34.1%，東北樣本占總數(shù)的5.8%。調(diào)研內(nèi)容和方法如表1所示。

表1 調(diào)研內(nèi)容與調(diào)研方法Table 1 Lighting topics and methods

對(duì)幾項(xiàng)關(guān)鍵數(shù)據(jù)作如下解釋?zhuān)?/p>

1)開(kāi)敞空間水平照度。開(kāi)敞空間指在一個(gè)標(biāo)準(zhǔn)柱網(wǎng)單元內(nèi)無(wú)貨架、柜臺(tái)等遮擋的空間。開(kāi)敞空間水平照度為每家店三處開(kāi)敞空間水平照度平均值的平均值(不按面積加權(quán))。

2)典型貨架照度。選取具有代表性的貨架，測(cè)量貨架之間通道的水平照度，并計(jì)算水平照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置水平照度和水平照度均勻度；以上通道處貨架實(shí)測(cè)低(0.2 m)、中(1.0 m)、高(2.0 m)三個(gè)位置的垂直照度，并分別計(jì)算垂直照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置垂直照度和垂直照度均勻度。

3)主觀問(wèn)卷調(diào)查。主觀評(píng)價(jià)采用問(wèn)卷調(diào)查法，每個(gè)專(zhuān)賣(mài)店隨機(jī)委派三個(gè)照明從業(yè)人員作為評(píng)價(jià)人，并且各專(zhuān)賣(mài)店的評(píng)價(jià)人不重復(fù)。在不知道實(shí)測(cè)數(shù)據(jù)的前提下，評(píng)價(jià)人走遍專(zhuān)賣(mài)店，填寫(xiě)調(diào)查問(wèn)卷得到主觀評(píng)價(jià)數(shù)據(jù)。

1.2 分析方法

采用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。采用Matlab軟件建立能耗預(yù)測(cè)模型。

1)神經(jīng)網(wǎng)絡(luò)。

目的：生成能夠指導(dǎo)實(shí)踐的能耗預(yù)測(cè)模型，適用于本研究中離散度高且分散趨勢(shì)不明確的樣本。

方法：將單位面積照明造價(jià)和開(kāi)敞空間照度平均值作為輸入變量，將照明功率密度(LPD)作為輸出變量，采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，通過(guò)對(duì)網(wǎng)絡(luò)的訓(xùn)練，達(dá)到照明功率密度與單位面積照明造價(jià)、開(kāi)敞空間照度平均值的關(guān)系映射。

2)因子分析。

目的：理清主觀評(píng)價(jià)與客觀數(shù)據(jù)之間的關(guān)系。

方法：本研究采用的六個(gè)五點(diǎn)法主觀變量之間中等相關(guān)或強(qiáng)相關(guān)，經(jīng)由因子分析，以綜合主成分“整體視覺(jué)滿意度”代表主觀變量。

2 我國(guó)專(zhuān)賣(mài)店的照明現(xiàn)狀

通過(guò)對(duì)客觀數(shù)據(jù)的統(tǒng)計(jì)分析，整理我國(guó)專(zhuān)賣(mài)店照明樣本的代表性指標(biāo)如表2所示。

如圖1的頻率分布所示：照明功率密度多集中在40 W/m2左右，也有一部分店高達(dá)150 W/m2；單位面積照明造價(jià)為26元～500元，均值為92.25元；開(kāi)敞空間水平照度、典型貨架位置水平照度/垂直照度多集中于400 lx～700 lx，也有一部分店達(dá)到1 300 lx以上。

根據(jù)圖2所示的統(tǒng)計(jì)數(shù)據(jù)，從地域性差異角度來(lái)看：對(duì)于照明功率密度(LPD)，東部區(qū)域有較多高能耗樣本；對(duì)于單位面積照明造價(jià)，東部/西部區(qū)域的平均值高于中部/東北區(qū)域；對(duì)于開(kāi)敞空間的水平照度，東北區(qū)域明顯高于東部/中部/西部區(qū)域。

表2 專(zhuān)賣(mài)店照明代表性指標(biāo)調(diào)查結(jié)果Table 2 Overview of typical survey results in speciality stores

圖1 專(zhuān)賣(mài)店照明代表性指標(biāo)調(diào)查結(jié)果的頻率分布圖Fig.1 Frequencies and distributions of typical survey results in speciality stores

圖2 照明功率密度、單位面積照明造價(jià)、開(kāi)敞空間水平照度的地域性特征Fig.2 Comparisons of light power density, lighting cost/unit area, and horizontal illuminance(open space) between four regions

使用Kruskal-Wallis檢驗(yàn)[13]判斷各個(gè)區(qū)域之間是否具有差異性，其秩如表3所示，檢驗(yàn)如表4所示。

表3 秩Table 3 Sum of ranks

表4 Kruskal-Wallis檢驗(yàn)Table 4 Kruskal-Wallis test

注：a——Kruskal Wallis 檢驗(yàn)；b——分組變量: 地域。

由表3和表4可知，照明功率密度和開(kāi)敞空間的水平照度平均值存在地域性差異，單位面積照明造價(jià)不存在地域性差異。

3 能耗預(yù)測(cè)模型

單位面積照明造價(jià)與開(kāi)敞空間照度平均值是專(zhuān)賣(mài)店照明設(shè)計(jì)的重要因素，故以二者為輸入變量，以照明功率密度為輸出變量建立BP神經(jīng)網(wǎng)絡(luò)[14-15]模型。本研究采用試湊法，在多次訓(xùn)練中選取擬合性能和推廣性能均較好的網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，結(jié)構(gòu)如圖3所示，參數(shù)如表5所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Structure of BP neural network

研究選取75%的樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練，15%的樣本進(jìn)行網(wǎng)絡(luò)參數(shù)的自主修正，另外15%的樣本則用于檢測(cè)。其訓(xùn)練結(jié)果如圖4所示，BP網(wǎng)絡(luò)擬合值與實(shí)際LPD值的比較如圖5所示，得到的殘差圖[15]如圖6所示。網(wǎng)絡(luò)誤差下降梯度 (gradient)為0.059 9，網(wǎng)絡(luò)收斂的均方誤差為0.075，網(wǎng)絡(luò)整體預(yù)測(cè)值與目標(biāo)值的接近程度為77.6%，修正過(guò)程預(yù)測(cè)精度 54.4%，測(cè)試過(guò)程的接近程度為87.8%，總體的接近程度為76.4%。

表5 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置Table 5 Parameter setting of BP neural network

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig.4 Results of BP neural network train

取置信區(qū)間為95%，由圖6可以看出BP神經(jīng)網(wǎng)絡(luò)擬合的標(biāo)準(zhǔn)化殘差只有8個(gè)異常值不在[-2，2]的區(qū)間上，其他均在[-2，2]隨機(jī)波動(dòng)，且沒(méi)有明顯的趨勢(shì)，故而B(niǎo)P神經(jīng)網(wǎng)絡(luò)建模結(jié)果成立。使用該模型進(jìn)行預(yù)測(cè)，當(dāng)單位面積照明造價(jià)為100/200/300/400元、開(kāi)敞空間照度平均值為300 lx～1 100 lx時(shí)，預(yù)測(cè)的照明功率密度值如圖7所示。照明功率密度值隨開(kāi)敞空間照度提升而呈現(xiàn)的變化趨勢(shì)，與單位面積照明造價(jià)密切相關(guān)。

圖5 BP網(wǎng)絡(luò)擬合值與實(shí)際LPD值Fig.5 Fitting LPD results on BP neural network and the real LPD

圖6 殘差圖Fig.6 Residuals plot

圖7 照明功率密度預(yù)測(cè)值Fig.7 Predicted value of lighting power density

4 主觀評(píng)價(jià)與客觀變量之間的相關(guān)性研究

4.1 針對(duì)照明充足度/均勻度的主客觀變量相關(guān)性研究

主觀評(píng)價(jià)變量——地面照明充足度、地面照明均勻度、商品照明充足度和商品照明均勻度，對(duì)應(yīng)的客觀參數(shù)包括開(kāi)敞空間水平照度與均勻度U1、典型貨架位置水平照度與均勻度U1、典型貨架位置垂直照度與均勻度U1。其相關(guān)性檢驗(yàn)結(jié)果如表6所示。

表6 照明充足度/均勻度主觀變量與客觀變量的相關(guān)性檢驗(yàn)表Table 6 Correlation test between subjective variables and objectivevariables on illumination adequacy and uniformity

注：**——在0.01水平(雙側(cè))上顯著相關(guān)。

觀察表6可知：地面照明充足度與開(kāi)敞空間的水平照度平均值、典型貨架位置水平的照度平均值均為正的弱相關(guān)；地面照明均勻度與開(kāi)敞空間的水平照度均勻度U1、典型貨架位置的水平照度均勻度U1均為正的極弱相關(guān)；商品照明充足度與典型貨架位置的垂直照度平均值不相關(guān)；商品照明均勻度與典型貨架位置的垂直照度均勻度U1為負(fù)的弱相關(guān)。

4.2 主觀評(píng)價(jià)變量的主成分分析

通過(guò)對(duì)主觀評(píng)價(jià)變量之間的相關(guān)性分析得知，其Pearson相關(guān)系數(shù)多在0.5～0.7之間，兩兩之間中等相關(guān)或強(qiáng)相關(guān)，可見(jiàn)初始主觀評(píng)價(jià)變量作為評(píng)價(jià)指標(biāo)存在一定的信息重疊，需對(duì)主觀變量進(jìn)行主成分分析[16-17]。本研究采用SPSS的因子分析實(shí)現(xiàn)主成分分析，初始因子荷載矩陣如表7所示。

表7 初始因子荷載矩陣Table 7 Component Matrix

注：a——已提取了1個(gè)成分；b——提取方法:主成分。

將初始因子荷載矩陣中的每列的系數(shù)(主成分的荷載)除以其相應(yīng)主成分的特征根的平方根后，得到主成分系數(shù)向量(主成分的得出系數(shù))為

(1)

將得到的特征向量與標(biāo)準(zhǔn)化后的數(shù)據(jù)相乘，得到第一主成分(整體視覺(jué)滿意度)函數(shù)的表達(dá)式為

Z1=F11·zX1+F12·zX2+F13·zX3+

(2)

由于只有一個(gè)主成分，因此綜合主成分得分等于第一主成分得分，即

(3)

綜合主成分包括地面照明充足度、地面照明均勻度、商品照明充足度、商品照明均勻度、整體視覺(jué)環(huán)境舒適度。因此，綜合主成分可被定義為“整體視覺(jué)滿意度”，作為新的主觀評(píng)價(jià)變量來(lái)描述主觀感受。

4.3 整體視覺(jué)滿意度與客觀變量之間的關(guān)系

整體視覺(jué)滿意度與各客觀參數(shù)之間的相關(guān)性檢驗(yàn)結(jié)果如表8所示。

表8 整體視覺(jué)滿意度與客觀變量的相關(guān)性檢驗(yàn)表Table 8 Correlation test between overall visual satisfaction and the related objective variables

由表8可見(jiàn)，整體視覺(jué)滿意度與照明功率密度、單位面積照明造價(jià)、典型貨架位置水平照度平均值、典型貨架位置垂直照度平均值、典型貨架位置水平照度均勻度U1不相關(guān)；與開(kāi)敞空間的水平照度平均值為正的極弱相關(guān)；與典型貨架位置垂直照度均勻度U1為負(fù)的弱相關(guān)。

5 結(jié)論

綜上所述，如下結(jié)論對(duì)于我國(guó)專(zhuān)賣(mài)店的照明設(shè)計(jì)具有啟發(fā)意義：

1)我國(guó)專(zhuān)賣(mài)店的照明能耗處于較高水平，但對(duì)專(zhuān)賣(mài)店的主觀評(píng)價(jià)“整體視覺(jué)滿意度”與其照明功率密度不相關(guān)，因而具有較高的照明節(jié)能潛力。

2)照明功率密度和開(kāi)敞空間水平照度平均值存在地域性差異，單位面積照明造價(jià)不存在地域性差異。照明功率密度的地域性差異主要與經(jīng)濟(jì)發(fā)展水平相關(guān)，開(kāi)敞空間水平照度水平的差異可能與地域文化差異相關(guān)，應(yīng)因地制宜的研究照明節(jié)能策略。

3)根據(jù)能耗預(yù)測(cè)模型，在低照明造價(jià)(100元/m2)項(xiàng)目中，能耗較低，“亮的訴求”導(dǎo)致能耗的提升；在高照明造價(jià)(400元/m2)項(xiàng)目中，能耗較高，“亮的訴求”對(duì)能耗影響較小；在中等照明造價(jià)(200元/m2)項(xiàng)目中，能耗最高，“亮的訴求”對(duì)能耗影響較大，以600 lx為拐點(diǎn)先升后降，此類(lèi)項(xiàng)目的節(jié)能潛力最大，應(yīng)予以重點(diǎn)關(guān)注。

4)商品照明均勻度的主觀評(píng)價(jià)與典型貨架位置的垂直照度均勻度U1為負(fù)的弱相關(guān)；專(zhuān)賣(mài)店的典型貨架位置垂直照度均勻度越小，整體視覺(jué)滿意度越高。上述結(jié)論與照明設(shè)計(jì)的“常識(shí)”不符，但與梅劍平[6]的結(jié)論一致。照明均勻度的設(shè)計(jì)潛力需要更多的相關(guān)研究加以挖掘。

[1] 陸雄文.管理學(xué)大辭典[M].上海：上海辭書(shū)出版社,2013.

[2] 國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒[J].北京:中國(guó)統(tǒng)計(jì)出版社,2014.

[3] JORDAN DK. Building energy data book: Department of Energy [EB/OL].(2016-05-02)[2011-11-09]. http://buildingsdatabook.eren.doe.gov.

[4] JORDAN DK. Building energy data book: Department of Energy & Climate Change, 2011, Energy consumption in the UK-Services sector energyconsumption[EB/OL].(2016-05-2)[2011-11-09].http://buildingsdatabook.eren.doe.gov.

[5] 吳夏冰,張昕. 我國(guó)購(gòu)物中心的照明現(xiàn)狀與節(jié)能潛力評(píng)估[J]. 照明工程學(xué)報(bào),2014,25(3):42-49.

[6] 梅劍平. 亮度、照度水平對(duì)家具專(zhuān)賣(mài)店氛圍的試驗(yàn)研究[J]. 照明工程學(xué)報(bào),2014,25(4):35-40.

[7] 王丹. 商店常用照明光源節(jié)能性及環(huán)保性研究[D].重慶：重慶大學(xué),2006.

[8] 袁樵. 商業(yè)專(zhuān)賣(mài)店照明(一)[J]. 室內(nèi)設(shè)計(jì)與裝修,2008,6:116-117.

[9] EINSPORN J A, ZHOU A F. The ldquoGreenLabrdquo: Power Consumption by Commercial Light Bulbs[J].Physics Teacher,2011,(6):365.

[10] LEE Haochuan, HSIEN Wender, LIN Jianyuan. Investigation of energy-efficient convenience store in Taiwan[C]//Proceedings of the 3rd Asian Conference on Refrigeration and Air-Conditioning Vols I and II.SOCIETY AIR-CONDITJONING & REFRIGERATING ENGINEERS KOREA-SAREK,2006:441-444.

[11] JABER JO, MOHSEN MS, SARKHI A A, et al. Energy analysis of Jordan’s commercial sector[J].Energy Policy,2003(9):887-894.

[12] LAM JC, LI DHW.Electricity consumption characteristics in shopping malls in subtropical climates[J].Energy Conversion and Management,2003(9):1391-1398.

[13] 張林泉. 多獨(dú)立樣本Kruskal-Wallis檢驗(yàn)的原理及其實(shí)證分析[J]. 蘇州科技學(xué)院學(xué)報(bào)(自然科學(xué)版),2014,31(14501):14-16.

[14] 戴葵.神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)技術(shù)[M]. 長(zhǎng)沙：國(guó)防科技大學(xué)出版社,1998.

[15] RIPLEY B D.Pattern recognition and neural networks[M]. 北京:人民郵電出版社,2009.

[16] 王敏. 殘差分析在統(tǒng)計(jì)中的應(yīng)用[J]. 江蘇統(tǒng)計(jì),2000(8):24.

[17] 郭顯光. 如何用SPSS軟件進(jìn)行主成分分析[J]. 統(tǒng)計(jì)與信息論壇，1998(2):61.

[18] BRUCE Thompson.Exploratoryand Confirmatory Factor Analysis: Understanding Concepts and Applications[M]. American Psychological Association,2004.

Research on the Prediction Model of Lighting Energy Consumption and Subjective Evaluation of Speciality Stores in China

CAI Zhoushen1，ZHANG Xin1，ZHANG Yutao2

(1.SchoolofArchitecture,TsinghuaUniversity,Beijing100084,China;2.GuangdongSanxiongJiguangLimitedCompany,Guangzhou511495,China)

Lighting accounts for the largest proportion of the interior energy consumption in speciality stores. It contributes to the lighting design by analysing the lighting in speciality stores.According to survey data and visual estimation, it makes statistical analysis on the 173 speciality stores of China. And the prediction model of lighting energy consumption has built. The research shows that there is a great potential of energy saving in the lighting of speciality stores of China.

speciality stores; the prediction model of lighting energy consumption; energy saving of lighting; cost of lighting; visual satisfaction

國(guó)家自然科學(xué)基金面上項(xiàng)目(51478236)，亞熱帶重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(2015ZB14)

TU113.19+1

A

10.3969j.issn.1004-440X.2016.04.017