中國便利店的照明能耗預(yù)測模型與主觀評價

蔡宙燊++張昕++張宇濤

摘要：

便利店銷售額在傳統(tǒng)零售業(yè)中增幅最高，照明在所調(diào)研樣本總室內(nèi)能耗中占比為43%。基于全國257家便利店的數(shù)據(jù)，探討便利店的照明特征。采用多重線性回歸方法建立照明能耗預(yù)測模型，采用因子分析方法探討客觀參數(shù)與主觀評價的聯(lián)系。研究表明，對便利店，考慮照明節(jié)能時需同步關(guān)注其主觀評價的變化；進行照明設(shè)計時需因地制宜；照明能耗預(yù)測模型為ln y=0.479ln x1+0.248ln x2-0.217（y為照明功率密度，x1為單位面積照明造價，x2為典型貨架位置水平照度平均值）；顧客對照明充足度的“敏感性”比照明均勻度高；提高照度平均值有助于提高主觀評價。

關(guān)鍵詞：

便利店；照明；能耗；預(yù)測模型；視覺滿意度

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

便利店是一種用以滿足顧客應(yīng)急性、便利性需求的零售業(yè)態(tài)[1]。2013年，便利店的15家主要代表企業(yè)銷售額增速為18.2%，在傳統(tǒng)零售業(yè)中增幅最高[2]。2013年末，中國便利店零售營業(yè)面積為131.4萬m2，從業(yè)人數(shù)7.4萬人，門店數(shù)量14 680個，商品銷售額311.3億元[3]。照明在零售建筑能耗中占比最高，在美國約為30.1%[4]，英國約為34.0%[5]，本研究調(diào)研樣本占比為43%。

學(xué)者們對于便利店照明的研究主要集中在節(jié)能方面。研究表明：對便利店，使用LED燈取代熒光燈，節(jié)能率超過50%[67]；使用調(diào)光裝置的T8，能耗降低38.67%[8]；使用EEMs和遠(yuǎn)程高效制冷系統(tǒng)，能耗降低13%[9]；使用RFID控制系統(tǒng)和發(fā)光二極管光源，能耗降低65.6%[10]。上述研究多關(guān)注照明能耗，對主觀評價的研究較少。

通過對中國257家便利店的實測數(shù)據(jù)和主觀評價的分析，總結(jié)中國便利店的照明特征，建立便利店照明的能耗預(yù)測模型，探討便利店照明的客觀參數(shù)與顧客的主觀評價之間的關(guān)系，以期為便利店的照明設(shè)計提供支撐。

1研究方法

1.1數(shù)據(jù)采集

實測數(shù)據(jù)來源于中國各地257家便利店，約占全國便利店總門店數(shù)的0.02%。樣本取自中國32個地級市，在東部、中部、東北及西部均有分布，占比分別為42%、16%、9.3%和32.7%。調(diào)研內(nèi)容和方法如表1所示。

對幾項關(guān)鍵數(shù)據(jù)作如下解釋：

1）開敞空間水平照度。開敞空間指在一個標(biāo)準(zhǔn)柱網(wǎng)單元內(nèi)無貨架、柜臺等遮擋的空間。開敞空間水平照度為每家店3處開敞空間水平照度平均值的平均值（不按面積加權(quán)）。

2）典型貨架位置照度。選取具有代表性的貨架，測量貨架之間通道的水平照度，并計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；以上通道處貨架實測低（0.2 m）、中（1.0 m）、高（2.0 m）3個位置的垂直照度，并分別計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）主觀評價。主觀評價采用問卷調(diào)查法，每個城市轄區(qū)的便利店隨機委派3個照明從業(yè)人員作為評價人，并且各城市轄區(qū)的評價人不重復(fù) ，共96位評價人。在不知道實測數(shù)據(jù)的前提下，評價人走遍便利店，填寫調(diào)查問卷得到主觀評價數(shù)據(jù)。[11]主觀評價數(shù)據(jù)如表 2所示。

1.2分析方法

采用SPSS軟件對數(shù)據(jù)進行統(tǒng)計分析以及建立能耗預(yù)測模型。

1）多重線性回歸[12]：通過person相關(guān)性分析可知因變量與多個自變量存在線性相關(guān)關(guān)系，采用多重線性回歸，建立因變量與多個自變量之間的關(guān)系。

2）因子分析[13]：經(jīng)過KMO和Bartlett的檢驗可知，采用的6個五點法主觀變量之間中等相關(guān)或強相關(guān)，經(jīng)由因子分析，以綜合主成分“整體視覺滿意度”代表主觀變量。

2照明現(xiàn)狀

通過對客觀數(shù)據(jù)的統(tǒng)計分析，整理中國便利店照明樣本的代表性指標(biāo)如表3所示。〖FL）〗

由表4和圖3可知：照明功率密度、單位面積照明造價、典型貨架位置水平/垂直照度均存在地域性差異。具體表現(xiàn)為：對照明功率密度，東北與東部/西部區(qū)域存在地域性差異，其他區(qū)域兩兩之間不存在地域性差異；對單位面積照明造價，東北與東部/中部/西部區(qū)域存在地域性差異，其他區(qū)域兩兩之間不存在地域性差異；對典型貨架位置水平照度平均〖LL〗值，東北與東部/中部/西部區(qū)域存在地域性差異，東部與中部區(qū)域存在地域性差異，其他區(qū)域兩兩之間不存在地域性差異；對典型貨架位置垂直照度平均值，東北與東部/西部區(qū)域存在地域性差異，東部與中部區(qū)域存在地域性差異，其他區(qū)域兩兩之間不存在地域性差異。

3能耗預(yù)測模型

研究擬建立照明功率密度的預(yù)測模型，其自變量的選取過程如圖4所示，其偏相關(guān)分析結(jié)果如表5所示。

由表5可知：剔除掉單位面積照明造價的影響之后，照明功率密度與開敞空間照度平均值、典型貨架位置的垂直照度平均值、典型貨架位置的水平/垂直照度均勻度U1，與典型貨架位置水平照度平均值為正的中度相關(guān)。故而，以照明功率密度為因變量，以單位面積照明造價、典型貨架位置水平照度平均值為自變量，建立能耗預(yù)測模型。設(shè)定y為照明功率密度，x1為單位面積照明造價，x2為典型貨架位置水平照度平均值。

預(yù)測模型建立過程如圖5所示。

由圖6、7可知，模型存在異方差，需對自變量和因變量進行轉(zhuǎn)換[15]。對自變量和因變量進行對數(shù)轉(zhuǎn)化進行第二次多重線性回歸——

轉(zhuǎn)化后的自變量ln x1表示單位面積照明造價的對數(shù)，自變量ln x2表示典型貨架位置水平照度平均值的對數(shù)，因變量ln y表示照明功率密度的對數(shù)。

其回歸結(jié)果如表6所示，其殘差分析如圖8和圖9所示。

由表6可知，多重線性回歸模型的調(diào)整R2為0661，模型擬合性能較好，且其自變量的參數(shù)值都是有統(tǒng)計意義的。由圖9可知，多重線性回歸的殘差在0左右隨機波動，且變化范圍在一條水平帶狀區(qū)域上。綜合表6、圖8和圖9，可知，多重線性回歸模型成立，其函數(shù)表達(dá)式為

根據(jù)能耗預(yù)測模型，當(dāng)單位面積照明造價為20、40、60、80、100元時，其照明功率密度隨典型貨架位置水平照度平均值的變化趨勢如圖11所示。

由圖11可知，當(dāng)單位面積照明造價恒定時，照明功率密度隨典型貨架位置水平照度平均值增加而〖LL〗增加，但其增加的速度（即曲線的斜率）隨典型貨架位置水平照度平均值增加而慢慢減少，最終趨于恒定。當(dāng)?shù)湫拓浖芪恢盟秸斩绕骄岛愣〞r，照明功率密度隨單位面積照明造價增加而增加，但其增加的幅度（即因變量的差值）隨單位面積照明造價增加而減少。當(dāng)?shù)湫拓浖芪恢盟秸斩绕骄堤岣邥r，照明功率密度隨單位面積照明造價增加的幅度也提高。

4主觀評價與客觀參數(shù)之間的相關(guān)性

4.1針對照明充足度/均勻度的主客觀變量相關(guān)性

便利店的主觀評價變量與客觀參數(shù)變量之間的對應(yīng)關(guān)系如表7所示。

由表8可知：照明充足度與對應(yīng)的照度平均值為正的強相關(guān)，照明均勻度與對應(yīng)的照度均勻度U1為正的弱相關(guān)。

4.2主觀評價變量的主成分分析

對主觀評價變量進行KMO和Bartlett 的檢驗，其結(jié)果如表9所示。其KMO值為0.917，可對主觀評價變量進行因子分析，進一步完成主成分分析。

將得到的綜合主成分保存為描述主觀評價的新變量，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、整體視覺環(huán)境舒適度，將其定義為“整體視覺滿意度”。

4.3整體視覺滿意度與各客觀變量之間的關(guān)系

整體視覺滿意度與各客觀參數(shù)之間的相關(guān)性檢驗結(jié)果如表11所示。

由表11可知，整體視覺滿意度與開敞空間照度平均值、典型貨架位置垂直照度平均值為正的強相關(guān)，與典型貨架位置水平照度平均值、照明功率密度、單位面積照明造價為正的中度相關(guān)，與開敞空間照度均勻度U1、典型貨架位置水平照度均勻度U1、典型貨架位置垂直照度均勻度U1為正的弱相關(guān)。

5結(jié)論

1）中國便利店的照明能耗均值高于建筑照明設(shè)計標(biāo)準(zhǔn)GB 50034—2013現(xiàn)行值（此現(xiàn)行值與調(diào)研時采用的建筑照明設(shè)計標(biāo)準(zhǔn)GB 50034—2004一致），但便利店的主觀評價“整體視覺滿意度”與照明功率密度之間為正的中度相關(guān)。因此，在考慮便利店節(jié)能的同時，應(yīng)關(guān)注其主觀評價“整體視覺滿意度”的變化。便利店的主觀評價“整體視覺滿意度”與照明功率密度之間的關(guān)系有待進一步研究。

2）照明功率密度、單位面積照明造價、典型貨架位置水平/垂直照度平均值存在地域性差異，且東北區(qū)域的照明特征與東部/中部/西部有明顯區(qū)別。在探討便利店照明節(jié)能策略時應(yīng)因地制宜，應(yīng)對東北區(qū)域進行專門研究。

3）照明功率密度的預(yù)測模型為ln y=0479ln x1+0.248ln x2-0.217（y為照明功率密度，x1為單位面積照明造價，x2為典型貨架位置水平照度平均值）。在低/中/高照明造價項目中，照明能耗均隨“亮的訴求”而提升，但其增長速度在隨亮度提升到一定程度時趨于穩(wěn)定。在進行便利店照明設(shè)計時，確定造價后可根據(jù)模型兼顧合理的照明能耗和優(yōu)良的照明效果。

4）照明充足度與對應(yīng)的照度平均值為正的強相關(guān)，照明均勻度與對應(yīng)的照度均勻度U1為正的弱相關(guān)。顧客對照明充足度的“敏感性”比照明均勻度高。

5）整體視覺滿意度與開敞空間照度平均值、典型貨架位置垂直照度平均值為正的強相關(guān)。進行便利店照明設(shè)計時，在一定范圍內(nèi)提高開敞空間的地面照度及商品照度，有助于提高便利店的整體視覺滿意度。

6）調(diào)研時間為2013—2014年，調(diào)研獲得的期望裝修/換燈周期為4.24/2.75年，根據(jù)LED產(chǎn)品的發(fā)展趨勢，能耗預(yù)測模型的有效時間建議為2018年之前。

參考文獻(xiàn)：

[1] 方智勇. 我國便利店發(fā)展現(xiàn)狀與趨勢[J]. 當(dāng)代經(jīng)濟， 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] 中國便利店發(fā)展報告：數(shù)據(jù)、O2O和服務(wù)是關(guān)鍵[J]. 全國商情， 2015（Sup2）： 2122.

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

[3] 國家統(tǒng)計局. 中國統(tǒng)計年鑒[M]. 北京：中國統(tǒng)計出版社， 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] 任士憲. 加油站應(yīng)用LED燈的節(jié)能效果分析[J]. 當(dāng)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）〗 上海照元節(jié)能技術(shù)有限公司. 綠色全家 節(jié)能先行——全家便利店LED照明節(jié)能改造[J]. 上海節(jié)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， 張昕， 張宇濤. 我國專賣店照明的能耗預(yù)測模型與主觀評價研究[J]. 照明工程學(xué)報， 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] 方積乾. 醫(yī)學(xué)統(tǒng)計學(xué)與電腦實驗[M]. 上海：上海科學(xué)技術(shù)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(tǒng)計分析方法及應(yīng)用[M]. 北京：電子工業(yè)出版社， 2013.

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

[14] 顏虹. 醫(yī)學(xué)統(tǒng)計學(xué)[M]. 北京：人民衛(wèi)生出版社， 2005.

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

[15] 尹光霞. 多元線性回歸模型中的異方差性問題[J]. 湖北大學(xué)學(xué)報（自然科學(xué)版），2003（2）：121125.

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