本发明属于通信领域，具体涉及一种智能照明管控系统实现方法。
背景技术：
随着城市化进程的迅猛发展，路灯管理上的困难日渐凸显。这些困难体现在能耗巨大、维护困难和控制管理粗放等方面，导致城市照明系统没有发挥出最大的效能。就重庆市为例，近三年已经累积新装或改装了3.6万盏路灯，而仅2015年，就计划安装1.8万盏路灯，总量达到10万盏以上；这些路灯遍布于重庆主城区的大街小巷。而据网上的资料，像上海、天津、武汉等城市的路灯数量也达到12～15万盏的级别。这样的数量规模带来了一系列的问题。其中首要问题便是管理粗放，如：重庆市仅因为路灯在2015年前三季度就开销116万千瓦时，没有规范的管理造成城市照明巨大的能耗，因此，规范管理、降低开销迫在眉睫。
传统的城市路灯控制系统由于其固有的缺陷在当今技术引领时代的潮流下显得过于老旧，随着城市规模的不断扩大，这些管理的不足越发明显。随着物联网的快速发展，物联网设备为城市路灯规模的扩大提供了很好的解决案。提出了一种基于物联网技术的智能控制系统的设计，从技术上来讲，是对物联网技术在一个全新领域的应用探索和延伸，也是对物联网技术的一种新的解释；站在实用性的角度来看，智能路灯控制系统彻底的改变了传统路灯的控制方式，不仅方便了管理，同时也实现了节能和提高维护效率等特性。因此，物联网技术在路灯系统的应用研究其潜在的实用价值与经济价值都是极具时代意义的。
首先，大量节点需要接入路灯控制系统，必须保证系统的稳定性，系统在不稳定的情况下，便不能实现本课题研究的所有内容。
其次，系统需要有“弹性”比如：自由配置(cpu、内存、带宽)。随着大量节点接入，将导致系统的并发用户数增长，如果系统不能保证海量并发用户数，那么对于开发人员来说，做出来的系统便没有实际意义。
最后，系统需要保证一定的扩展性，可持续为业务发展提供完整的解决方案。随着物联网浪潮的不断扩大，任何系统都必须具有自身的优良扩展性，如果系统只存在单一业务，那么便会浪费开发成本，造成资源浪费。
针对以上背景，本发明拟采用云平台智能控制照明系统，该系统在保证稳定性的前提下，能接入海量设备、承载大量的底层节点，即时监视底层节点的上报数据和工作状态，按自身需求控制设备，系统具有足够的并发用户数以支撑系统运营。此外，系统应具有易操作性和一定的扩展性等特点。该系统将为建设“智能城市”做出贡献以及对物联网智能控制研究具有重要意义。
技术实现要素：
本发明目的是为智能照明管控系统提供一种高效的解决方案，以实现更少的自建物联网平台满足更多的用户需求，通过云平台统一数据管理以及下发控制命令，实现对多设备的管理和控制。
为达到上述目的，本发明的技术方案将系统分为：底层、网络层、应用层。
进一步，所述应用层由监视功能模块、控制功能模块、参数配置功能模块、界面功能模块和数据管理模块组成。
所述监视功能模块，该模块将以地图标记的方式显示各灯盏开关、亮度、损坏故障等状况。而且，用户可以对单盏路灯进行查询，得到路灯的详细信息。
所述控制功能模块，利用这个功能，用户可以对路灯行远程的开关控制、亮度控制等基本操作，不但如此，还可以控制路灯的节能模式：通过设定其在白天、夜晚、凌晨时段的自动开关时间来达到节能的目的。用户根据自身需求对底层网关进行控制，命令通过云平台透传给底层网关，底层网关收到应用层发来的控制命令，进行二次转发给网关底层的节点，改变节点的状态达到用户目的。而底层节点改变状态之后，像应用层反馈当前状态信息，这类信息又通过网关和云平台通信实体到达应用层，然后管控模块与可视化见面进行交互，而显示到web界面上，让用户直观感受到底层业务信息。
所述用户参数配置模块，初始显示的区域：由于系统是通过地图标记的方式呈现路灯的各状态，普通用户可以设置其在登陆本系统之后，地图界面初始显示的区域；通过设置触发器，提醒用户事件触发，如设置路灯异常盏数达到n盏时，或路灯异常时间超过t长时间时，向用户发出警告。
所述界面功能模块，用图形化界面方式将系统信息反馈给用户，这些界面有：灯盏信息界面、灯盏控制界面、系统管理界面、用户管理权限的界面、参数配置界面、用户配置参数的界面、数据管理的界面等。
所述数据管理功能，底层节点信息量巨大，系统服务器采取动态负载均衡策略，c(si)、m(si)、d(si)、w(si)分别表示cpu、内存、磁盘io以及网络带宽性；pc(total)＝c(si)、pm(total)＝m(si)、pd(total)＝d(si)、pw(total)＝w(si)分别表示集群所有节点cpu、内存、磁盘io以及网络带宽的性能情况的总和pc(total)＝c(si)、pm(total)＝m(si)、pd(total)＝d(si)、pw(total)＝w(si)。
我们想要得到每台服务器节点的更加准确性能占比，在服务器性能考虑上，我们选取各节点cpu性能、内存性能、磁盘io性能以及网络带宽性能四方面来得出此节点的性能比重，通过每个节点在此方面各自的性能除以所有节点在此方面性能的总和，再乘以各方面在整个性能体系中所占的比重系数，得到其真实的性能默认比重wp(si)。
kc、km、kd、kw分别表示此节点中节点cpu、内存、磁盘io以及网络带宽所占影响该节点的。a是调整常量，用于性能默认比重为整数。
uc(si)、um(si)、ud(si)、uw(si)分别表示节点cpu、内存、磁盘io以及网络带宽实时使用率情况，再根据各部分所占的比例系数，得出此节点的资源消耗情况，再乘以原有的性能权重，也就是此节点当前消耗的权重u(si)＝kc*uc(si)+km*um(si)+kd*ud(si)+kw*uw(si)
wl(si)＝u(si)*wp(si)。
动态调节权重的负载均衡策略，是根据子节点的动态负载信息，对其原始权重进行重新计算和赋值。然而在实际运行情况下，频繁的对权重进行重新赋值，有时不仅不能增强服务器端的性能，反而会带来更多的开销从而浪费资源。所以需要设定一个阈值，作为启动修改权重流程的临界值。由于在各子节点启动之初，已经根据其各部分性能为其设定了初始权重。故在其运行过程中，各子节点的资源使用率情况应该是总体上保持一致的，即正常情况下，负载均衡器会根据节点的负载能力为其分配等比例的任务请求。然而集群系统在实际运行过程中，由于不同请求占用资源不同以及节点性能评估的误差，导致节点的资源利用率不均，根据此情况，在此引入方差对各节点的资源利用进行评判，即当节点资源使用率的的方差值高于设定的阈值时，说明节点的资源使用率已经出现了影响集群性能的不均匀情况，此时需要对节点的权重进行合理的调节，从而使得集群性能更加稳定和高效。设定各节点资源使用率标准差su，各节点的资源使用率u(si)，以及各节点的资源使用率平均值
提出冗余概念，当使用动态调节权重策略时，在任何的调节周期内，负载均衡器所纪录的后端负载数据还没有得到更新，负载均衡器将会依据所保存的数据信息将客户端请求分配到各服务端节点，然而在此分配过程中，可能会导致某一节点负载过高。因此，在负载调节周期内，为了更有效的预测和防止服务器节点负载过高，引入负载冗余参数r(si)，通过使用该冗余参数r(si)来评估各服务器节点所再能增加的负载能力r(si)＝wp(si)/wl(si),其中wl(si)是上一个周期计算的负载权值，当上一个周期有客户端请求被分配到该服务节点，即wl(si)不为0的情况下,计算出r(si)负载均衡器将根据此冗余值在后续周期中对各服务端节点做出评估，当wl(si)为0时，即该服务节点在上一周期没有过请求纪录，则默认冗余值为最大。
应用层将底层网关和路灯信息进行分类处理，生成拓扑结构数据表存入数据库中，同时web界面通过调用数据库中的拓扑结构数据表，在界面上生成webgis可视化地理位置信息，更难直观体验到远程交互。
进一步，所述底层由组网功能模块、数据存储功能模块、数据读写功能模块组成。
所述组网功能模块，底层节点通过zigbee自组网将节点进行组网，及时入网，入网信息汇聚到区域内网关，在底层形成一个基于zigbee协议形成的自组网。
所述数据存储功能模块，存储底层节点状态信息，如：灯泡状态、位置信息等，为应用层提供良好的信息服务。
所述数据读写功能模块，将底层信息数据取出，经过消息队列缓存排队，进入数据库，等待数据调用。
本发明优点及有益结果如下：
一种基于云平台的智能照明控制系统实现方法，使用了专用数据网与公共数据网结合的方式，形成点到片区，点再到数据分级的结构，在保证节点接入数量的同时，没有让运行成本鼓胀；可以利用现有的、已经成熟的数据传输网络，保证了信息数据的有效可靠传输；利用成熟的数据传输网络能够规范的管理和控制大量的底层节点，提高了管控效率，为智慧城市提供了良好的解决方案。
附图说明
图1为本发明基于云平台的智能照明控制系统实现方法系统架构图；
图2为本发明基于云平台的智能照明控制后台系统结构和功能图。
具体实施方式
以下结合附图对本发明的实施例做详细的描述。
图1是本发明实施例智能照明控制系统实现方法系统架构图，包括如下步骤：
步骤101，用户注册和登录云平台，进行设备注册，平台会自动分配一个设备id号和apikey号。此外，平台与底层网关开放公开接口，底层网关通过接口与平台建立连接，而分配的id和和apikey便是接口的标识符。
步骤102，系统布设两类节点，即：网关节点和路灯节点。路灯节点将一定地理区域内路灯节点的信息由底层自组网络zigbee汇聚到区域内的网关节点，网关使用esp8266wifi模块业务接入到计算机网络中，将信息使用tcp协议传送到云平台中。后台系统下发的命令信息也是使用这条通信链路下达到底层实体。
步骤103，网关把底层节点上传的数据流打包成多个数据包上传，云端收到分批次数据包数据，云端存储底层数据。
图2是本发明基于云平台的智能照明控制后台系统结构和功能图：
步骤201:在应用层中，通过api接口与云平台进行连接，c(si)、m(si)、d(si)、w(si)分别表示cpu、内存、磁盘io以及网络带宽性能情况；pc(total)＝c(si)、pm(total)＝m(si)、pd(total)＝d(si)、pw(total)＝w(si)分别表示集群所有节点cpu、内存、磁盘io以及网络带宽的性能情况的总和pc(total)＝c(si)、pm(total)＝m(si)、pd(total)＝d(si)、pw(total)＝w(si)。
我们想要得到每台服务器节点的更加准确性能占比，在服务器性能考虑上，我们选取各节点cpu性能、内存性能、磁盘io性能以及网络带宽性能四方面来得出此节点的性能比重，通过每个节点在此方面各自的性能除以所有节点在此方面性能的总和，再乘以各方面在整个性能体系中所占的比重系数，得到其真实的性能默认比重wp(si)。
kc、km、kd、kw分别表示此节点中节点cpu、内存、磁盘io以及网络带宽所占影响该节点的。a是调整常量，用于性能默认比重为整数。
uc(si)、um(si)、ud(si)、uw(si)分别表示节点cpu、内存、磁盘io以及网络带宽实时使用率情况，再根据各部分所占的比例系数，得出此节点的资源消耗情况，再乘以原有的性能权重，也就是此节点当前消耗的权重u(si)＝kc*uc(si)+km*um(si)+kd*ud(si)+kw*uw(si)
wl(si)＝u(si)*wp(si)
动态调节权重的负载均衡策略，是根据子节点的动态负载信息，对其原始权重进行重新计算和赋值。然而在实际运行情况下，频繁的对权重进行重新赋值，有时不仅不能增强服务器端的性能，反而会带来更多的开销从而浪费资源。所以需要设定一个阈值，作为启动修改权重流程的临界值。由于在各子节点启动之初，已经根据其各部分性能为其设定了初始权重。故在其运行过程中，各子节点的资源使用率情况应该是总体上保持一致的，即正常情况下，负载均衡器会根据节点的负载能力为其分配等比例的任务请求。然而集群系统在实际运行过程中，由于不同请求占用资源不同以及节点性能评估的误差，导致节点的资源利用率不均，根据此情况，在此引入方差对各节点的资源利用进行评判，即当节点资源使用率的的方差值高于设定的阈值时，说明节点的资源使用率已经出现了影响集群性能的不均匀情况，此时需要对节点的权重进行合理的调节，从而使得集群性能更加稳定和高效。设定各节点资源使用率标准差su，各节点的资源使用率u(si)，以及各节点的资源使用率平均值
提出冗余概念，当使用动态调节权重策略时，在任何的调节周期内，负载均衡器所纪录的后端负载数据还没有得到更新，负载均衡器将会依据所保存的数据信息将客户端请求分配到各服务端节点，然而在此分配过程中，可能会导致某一节点负载过高。因此，在负载调节周期内，为了更有效的预测和防止服务器节点负载过高，引入负载冗余参数r(si)，通过使用该冗余参数r(si)来评估各服务器节点所再能增加的负载能力r(si)＝wp(si)/wl(si),其中wl(si)是上一个周期计算的负载权值，当上一个周期有客户端请求被分配到该服务节点，即wl(si)不为0的情况下,计算出r(si)负载均衡器将根据此冗余值在后续周期中对各服务端节点做出评估，当wl(si)为0时，即该服务节点在上一周期没有过请求纪录，则默认冗余值为最大。
nginx服务器向平台获取底层上传的数据包，利用动态负载均衡方法将数据包分入并转发数据包至消息队列缓存区中；消息队列获取数据后，便对数据进行排队、解析、处理，读取标识信息(如id和apikey)，根据标识信息获取到各网关分类数据包，然后将各数据包解析后的数据储存到数据库中。
步骤202:用户通过建立的web服务系统对数据库进行访问，查询到各个片区内的节点状态信息，访问得到的信息通过界面生成，加载出来。由于获取数据量巨大，这里访问时用到redis进行统一绘画处理，防止服务器崩溃
步骤203:在应用层上设置远程控制器，通过api接口用tcp透传下发控制命令到网关节点，网关节点通过对命令进行解析，二级下发到各个路灯节点，对其实现控制功能。
步骤204:用户登录智能照明控制系统，管理员根据不同用户设定权限，如：监控人员设定监视权限，设备维护人员设计维护权限等。登录系统之后，界面出现。