大數據背景下的老大廈車庫照明節能改造探索

劉磊 上海萊奕亭照明科技有限公司，上海201803

0 引言

上海黃浦區某超高層建筑為辦公商業綜合體，于上世紀90 年代初投入使用。該建筑的地下空間總共3層，其中地下2 層、3 層為停車場。該建筑于2012 年已進行過一次節能改造，采用LED 光源代替熒光燈，增加水電的能耗分計量等，能效比有了大幅提升。2019年初，大廈業主組織智能化專家、軟件工程師等對大廈的智能化進行策劃，筆者受邀參加了方案評審，并對智能照明與各位專家進行了探討。

1 問題的提出

改造方案指出，當前的建筑照明能耗已占建筑總能耗的35%以上，因此需在車庫、走道、衛生間等公共區域增加傳感器，實現“人（車）走燈滅”，降低電能消耗。[1]不可否認，采用這種技術措施確實可以降低能耗，這也是常規的方法。

然而，上述的照明節能措施忽略了很一個重要的方面，就是人的舒適性。有研究表明，環境對人的心理（或情緒）影響非常大。光是環境的一個重要因素，比如商業環境就特別注重光的設計。當然，停車場的使用性質決定了它沒有辦公、商業場所的光環境重要，但許多地下停車場“人走燈滅”的案例表明，人從亮的環境突然進入暗的環境，雖然燈亮只需幾秒種，但心理上還是沒有安全感。同時，大廈的車庫是一個大空間，只有一小片區域有光，舒適感也非常差。

看起來，經濟性和舒適性似乎成為一種矛盾關系，如何辯證地處理這個矛盾是需要思考的問題。[2]

2 方案的提出

今天，科技日新月異，飛速發展。人工智能、大數據、云計算，伴隨著5G 時代的來臨，給了解決問題的無限可能。既然大廈的智能管理系統計劃采用云技術，那智能照明也可以依托這個平臺，利用這個優勢資源來發揮它的作用，圖1 為系統架構示意圖。

圖1 系統架構示意圖

本工程的目標就是投資、節能、舒適之間達到最佳平衡，接下來從4 個方面進行論述。

2.1 經濟性方面

從經濟性方面考慮，以滿足業主利益最大化的需求。因此，車位上的LED 燈只加裝紅外傳感器（ON/OFF 控制），車道上原有的燈具統一升級為智能LED燈。此改造方案為業主節省了初期投資，費效比更優。

2.2 智能照明控制目標

在大廈物業的協助下，合理規劃地下空間的停車區域。本著先“功能區”再“照明區”的原則，對長租車位和訪客車位區域進行優化[3]，確定“照明區”不同的分區計劃。這樣能提升大廈的商業價值，使得訪客停車區較寫字樓的長租停車區有更多的舒適性。車道上的智能LED 燈在閑置時能將亮度降低至25%，當檢測到行人或車輛時，馬上將亮度上調，直至100%。對行人來說，他們總是能感受到“光隨人動”，車輛在進出場及場內導航時，駕駛員有安全感，如圖2 所示。

圖2 光隨人動

2.3 智能照明控制系統的算法

本工程智能照明系統采用的算法為DBSCAN（Density-Based Spatial Clustering of Application with Noise）, 中文為基于密度的允許帶噪聲的空間聚類應用。所謂聚類，就是根據事物的不同屬性將其分為若干個不同的類。那么對于停車場來說，所有移動的物體，無論是人員或車輛，都可以歸為一個類，這個類可以被命名為移動物（moving objects）。而且，在二維空間（或者說二維網格）中，可以描述停車場中的“移動物”這個類。

DBSCAN 算法，就是根據掃描半徑（Eps）和最小包含點數（MinPts）兩個輸入參數自動計算生成類別的個數。通過傳感器采集人員或車輛的位置信息，智能照明控制系統根據輸入的數據進行聚類分析，求出達到設定照度的條件。下面筆者簡單介紹一下DBSCAN 算法。

首先看DBSCAN 算法[4]的幾個基本定義：

（2）核心對象：如果給定對象 鄰域內的樣本點數≥MinPts，則稱該對象為核心對象；

（3）直接密度可達：對于樣本集合D，如果樣本點q 在p 的 鄰域內，并且p 為核心對象，那么對象q從對象p 直接密度可達；

（4）密度可達：對于樣本集合D，給定一串樣本點p1, p2….pn，p= p1, q= pn, 假如對象pi從pi-1直接密度可達，那么對象q 從對象p 密度可達；

（5）密度相連：存在樣本集合D 中的一點o，如果對象o 到對象p 和對象q 都是密度可達的，那么p和q 密度相聯。

可以發現，密度可達是直接密度可達的傳遞閉包，并且這種關系是非對稱的。密度相連是對稱關系。DBSCAN 算法目的就是找到密度相連對象的最大集合，也就是找到簇。不包含在任何簇中的對象稱為噪聲。圖3 為DBSCAN 算法示意圖。

其次，DBSCAN 算法的描述。

輸入：包含n 個對象的數據庫，半徑，最少數目MinPts；

圖3 DBSCAN 算法示意圖

輸出：生成所有的簇，達到密度要求。

從任意一個未被訪問點開始，找出與其距離在Eps之內(包括Eps) 的所有附近點。如果附近點的數量≥MinPts，則當前點與其附近點形成一個簇，并且出發點被標記為已訪問。然后遞歸，以相同的方法處理該簇內所有未被標記為已訪問的點，從而對簇進行擴展。如果附近點的數量＜MinPts，則該點暫時被標記作為噪聲點。如果簇充分地被擴展，即簇內的所有點被標記為已訪問，然后用同樣的算法去處理未被訪問的點。

具體流程如下：

（1）標記所有對象為未被訪問；

（2）開始運行；

（3）隨機選取1 個未被訪問的對象p;

（4）標記p 為被訪問；

（5）如果p 的 領域至少有MinPts 個對象；

（6）創建1 個新簇C，并把p 添加至C；

（7）定義N 為p 的 領域中的對象集合；

（8）遍歷N 中的每個點p；

（9）如果p 未被訪問；

（10）標記p 為已被訪問；

（11）如果p 的 領域至少有MinPts 個對象，把這些對象添加到集合N；

（12）如果p 不是任何簇的成員，把p 添加到C；

（13）循環結束。

以Python 語言為例，聚類算法函數如下：

def function (p): #定義函數并訪問第p 個樣本

if len (d[p] [d[p]＜=Eps]) ＞= MinPts: #如果為核心樣本

if d_c[p]=-1: #如果未被訪問

c_num+=1

for n in range (len(d)): #遍歷所有樣本

if d [n]＜=Eps and d_c＜=0: #如果鄰域內有不屬于任何簇的樣本

d_c=d_c [n] #歸到同一簇

function (n) #進行遞歸計算

else;

if d_c[i]=-1: #如果未被訪問

d_c[i]=0#標記為噪聲

在以上計算機程序中，d 為式（1）中的矩陣D；d [x] 為第x 個坐標值；c_m 為輸出簇的序號；d_c [x]為第x 個坐標的聚類結果，其值為-1 時表示該點未被訪問，其值為0 時表示該點為噪聲，其值大于0 時為該點所屬簇的序號[5]。

DBSCAN 算法對用戶定義的參數很敏感，細微的不同都可能導致差別很大的結果，而參數的選擇無規律可循，只能靠經驗確定。但是在大數據支撐下，無需傳統的人工調參，而是后臺運營數據給出的最優值。

2.4 無線移動技術應用

手機APP 可以推薦車位，反向尋車，找商鋪，找電梯的車輛或行人。他們進入路徑上的“照明區”前，移動數據已經進入數據集，算法的運行速度有了較大的提高，為智能照明系統的快算響應助力。如圖4 所示。

圖4 車輛管理系統推送最佳車位

3 工程的實施

在與業主共同研究分析了數個照明智能化廠家的產品后，綜合評定，最終選擇某品牌的產品搭建數字DALI調光的系統。圖5 顯示了DALI調光系統的構成。

由于該大廈管線錯綜復雜，地下空間凈高不足，若再增加弱電線槽，勢必還要降低車庫凈高。鑒于此，采用無線網絡是明智的選擇。成熟產品的支撐、經驗豐富的技術人員的調試為工程的順利實施提供了保障。

經過近1 年的運行，地下車庫的照明電能消耗同比下降60%。隨著運營數據和經驗的不斷積累，車庫的照明能耗還有下降的空間。

圖5 DALI 調光系統的構成

4 小結

長期以來，我國的大多數建筑物仍然沿用開關直接控制燈具的方式。這種傳統的控制方式無法對燈具進行單獨控制，特別是大型樓宇的停車場等面積較大的開敞空間，1 個開關只能控制1 條回路上的燈具同時開關。為使有人活動的區域獲得充足的照明，不得不開啟大部分燈具，造成了資源的大量浪費。

為實現照明智能化，我國的科技人員設計了基于ZigBee 的智能照明系統[6]、樓宇自控系統監控照明，又逐步發展為基于物聯網架構的智能照明系統，但也只能實現燈具的定時開關、亮度調節，無法實現智能、實時地控制照明區域。本工程采用基于DBSCAN 算法的智能照明控制系統，該系統能根據人員或車輛的位置和分布，實時調整“照明區”的照度，降低照明能耗。

本工程的智能照明系統特別適用于面積較大的場所，不僅是停車場，對大型報告、會議廳的智能照明系統的設計同樣有借鑒意義。