本发明涉及一种路灯节能方法，特别涉及一种基于随机森林回归预测算法的路灯智能功率控制方法。
背景技术：
城市路灯是我国电力消耗的一个重要方面，随着能源供应的日益紧张，节能的呼声越来越高。随着“绿色照明工程”工作的推进，我国的照明设计与照明产品的发展趋势面临着“绿色革命”。它将以节约能源和资源，保护地球生态环境，提高照明质量，提高舒适性和健康性为发展目标。目前，照明电耗占全国总电耗的15％左右，很多城市已经开始了路灯节能工作的探索。
目前主要使用的路灯节能技术包括半夜灯方式、单灯控制、路灯节点器以及其他节能技术与方案。但是，我国的很多中小城市晚上10点后，大城市在晚上12点后，一些非繁华的街道几乎没有车辆与行人通行，在这些道路上仍然保持较高照明度显然没有必要，特别是居民区的小区道路，因为小区内居民早已休息，更没有必要保持高照明度。即在夜间行人较少活动时，适当降低灯泡的功率，这样不仅可以节省大量电量，还可以延长灯泡及镇流器的使用寿命，从而节省很多的维护费用。虽然灯泡功率降低了，但街道还可保证道路灯光照明无盲区，完全可保证道路的安全通行要求。由此可见，研究能根据路灯的实际环境变量灵活控制路灯的输出功率的方法是十分有必要的。
技术实现要素：
本发明的发明目的是提供一种基于随机森林回归预测算法的路灯智能节能方法，实现路灯的智能控制，并且在满足路灯照明需求的条件下达到节能的效果。
为达到上述的发明目的，本发明采用的技术方案是：一种基于随机森林回归预测算法的路灯智能节能方法，其包括以下步骤：
1、通过智能灯系统设备采集数据并实践得到该种条件下满足照明需求的最佳功率，将这些数据作为原始数据，对其进行预处理，提取特征，将数据分为训练集和测试集两部分；
2、提取训练集中的人流量、车流量、声、可见光、红外线、经纬度、海拔、时间等特征作为自变量x，相应的最佳功率值设为因变量y，用环境变量x解释最佳功率值y，可以看作一个回归问题，通过r语言代码初始化随机森林回归模型，进行训练；
3、根据测试集以及训练得到的随机森林回归模型进行预测，模型结果会输出显示残差的平方以及解释变异(环境变量x对最佳功率值y的解释)的百分率；
4、根据模型测试结果，调整随机森林回归算法模型参数ntree和mtry(默认情况下，ntree为500，mtry为训练数据集中自变量总数的1/3)，找到相对较优的模型作为最终的随机森林回归模型；
5、将得到的较优的随机森林回归模型植入智能灯控制系统，实时采集每个路灯的环境变量作为模型的自变量x输入，输出最佳功率值y，从而实现路灯的智能控制；
6、将路灯实时采集的数据以及预测功率值备份加入到模型的训练集中，根据智能灯系统的外部反馈，定时对模型进行训练调整。
本发明提供的一种基于随机森林回归预测算法的路灯智能节能方法的进一步技术方案是该方法是用r语言编程，添加r的randomforest包来创建随机森林模型的。随机森林，或者决策树森林，可用于分类和回归，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，对于分类算法，看看这个样本应该属于哪一类，然后看看哪一类被选择最多，就预测这个样本为那一类。对于回归算法，每个决策树都会都会给出一个预测结果，取所有决策树的预测结果的平均值作为最终的输出结果。
本发明提供的一种基于随机森林回归预测算法的路灯智能节能方法的进一步技术方案是该方法是通过智能路灯系统设备进行原始数据的采集，并且根据每个路灯的环境变量进行大量的数据分析，从而得到该环境条件下满足照明需求的最佳功率值。
本发明提供的一种基于随机森林回归预测算法的路灯智能节能方法的进一步技术方案是该方法是形成反馈系统，当路灯实时采集环境信息数据时，通过模型预测会得到功率预测值，经过外部评估，判断该功率是否满足照明条件，若满足，则将该组环境数据以及预测功率值备份加入训练集中，否则调整预测值，直至可以满足照明条件，然后输入训练集中。根据系统的外部反馈，定时对模型进行训练调整。
本发明提供的一种基于随机森林回归预测算法的路灯智能节能方法的进一步技术方案是该方法是对原始数据进行预处理，以提取出我们训练模型所需要的数据。对系统设备采取的数据进行特征提取，得到其中的经纬度、海拔、时间、声、可见光、红外线、人流量、车流量等特征，作为自变量x，相应的最佳功率值设为因变量y。并且进一步将数据集分为训练集s和测试集t。
本发明提供的一种基于随机森林回归预测算法的路灯智能节能方法的进一步技术方案是该方法是利用预处理后的数据集对r语言创建的随机森林回归预测模型进行训练，其训练过程如下：
1、给定训练集s，测试集t，特征维数f。确定参数：使用到的cart的数量ntree，每棵树的深度d，每个节点使用到的特征数量mtry，终止条件：节点上最少样本数s，节点上最少的信息增益m，对于第1-t棵树，i＝1-t；
2、从s中又放回的抽取大小和s一样的训练集s(i)，作为根节点的样本，从根节点开始训练；
3、如果当前节点上达到终止条件，则设置当前节点为叶子节点，预测输出为当前节点样本集各个样本值的平均值。然后继续训练其他节点。如果当前节点没有达到终止条件，则从f维特征中无放回地随机选取mtry维特征。利用这mtry维特征，寻找回归效果最好的一维特征k及其阈值th，当前节点上样本第k维特征小于th的样本被划分到左节点，其余的被划分到右节点。继续训练其他节点；
4、重复2、3直到所有节点都训练过了或者被标记为叶节点；
5、重复2、3、4直到所有的cart都被训练过。
本发明提供的一种基于随机森林回归预测算法的路灯智能节能方法的进一步技术方案是该方法是利用测试集t对训练后的随机森林回归模型进行预测评估的。随机森林的回归预测过程如下：
对于第1-t棵树，i＝1-t：
1、从当前树的根节点开始，根据当前节点的阈值th，判断是进入左节点(＜th)还是进入右节点(＞＝th)，直到到达某个叶子节点，并输出预测值；
2、重复执行1直到所有t棵树都输出了预测值，则输出为所有树的输出平均值。
本发明提供的一种基于随机森林回归预测算法的智能路灯节能方法的进一步技术方案是该方法是通过调整随机森林回归模型的参数得到不同效果的模型，使用cart的评判标准来对模型进行评估从而得到较优的模型用以实际应用。对于回归问题，cart直接使用argmax(var-varleft-varright)作为评判标准，即当前节点训练集的方差var减去左子节点的方差varleft和右子节点的方差varright值最大。
本发明提供的一种基于随机森林回归预测算法的路灯智能节能方法的进一步技术方案是该方法是将训练得到的最优的随机森林回归模型用于智能灯系统的功率调节模型，实现了路灯的智能控制。
由于上述技术方案的运用，本发明与现有技术相比具有下列优点：
1、本发明采用的是随机森林回归预测算法，与一般的回归算法相比，随机森林算法在数据集上表现更加良好，能够处理高纬度的数据，并且不用做特征选择，在训练过程中能够检测特征间的相互影响，在训练完成后能够给出哪些特征比较重要，训练速度快等优点。由于随机森林的输出结果是由所有决策树的输出结果决定输出的，相对于一般的决策树算法，随机森林的输出结果更加权威，也更加准确；
2、本发明在模型训练时采用的因变量数据是通过大量数据分析实验得到的在当前环境变量特征条件下满足照明需求的最佳功率值，这样不仅可以达到路灯的基本照明效果，而且避免了路灯在某些时段，一些非繁华的街道几乎没有车辆与行人通行时仍然保持较高照明度的现象，起到了有效节能的作用；
3、本发明可以根据每个路灯的实时环境变量进行功率值预测，达到统一模型、独立控制的效果，有利于路灯系统的调节与控制。
附图说明
图1是随机森林模型训练示意图。
图2是本发明基于随机森林回归预测算法的路灯智能节能方法的具体流程图。
图3是本发明基于随机森林回归预测算法的路灯智能节能方法的系统运行示意图。
具体实施方式
下面将结合附图对本发明的实施方式进行详细描述。
请参阅图1、图2，是随机森林模型训练示意图和本发明基于随机森林回归预测算法的路灯智能节能方法的具体流程图。方法的核心是训练随机森林回归预测模型。首先通过智能灯系统设备采集数据，包括人流量、车流量、声、可见光、红外线、经纬度、海拔、时间等特征，并通过大量的数据分析得到该种条件下满足照明需求的最佳功率值，将这些数据作为原始数据，分为训练集和测试集。将环境变量等特征作为自变量x，最佳功率值作为因变量y，对随机森林进行训练得到随机森林回归预测模型，模型训练过程如图1所示。当输入某个路灯当前的环境变量(包括人流量、车流量、声、可见光、红外线、经纬度、海拔、时间等)进行预测时，根据输出结果对路灯进行控制。
请参阅图3，是本发明基于随机森林回归预测算法的路灯智能节能方法的系统运行示意图。系统由灯杆、后台管理系统、云计算平台等组成，其中灯杆上设有一体化终端箱，包括ap、摄像头、视频、温度传感器、光传感器等设备，由核心控制器控制。系统运行时首先由终端箱进行数据采集，包括人流量、车流量、声、可见光、红外线、经纬度、海拔等数据，上传到数据库，同时将这些数据传递到云计算平台进行数据分析得到该种条件下满足照明需求的最佳功率值，这些所有的数据作为随机森林回归预测模型的训练样本进行模型训练，具体流程如图2所示。当路灯实时传递环境变量信息，经过随机森林回归预测模型预测会输出预测功率值，传递到灯杆核心控制器进行灯杆的功率控制。同时将预测值传递到评估系统进行照明评估，若满足照明条件则将这组输入输出作为样本存储在训练集，否则对相应的功率值进行调整直至满足照明需求，将输入与调整后的功率值存储在训练集。定时对随机森林模型进行训练调整以适应环境的变化，到达智能控制路灯的效果。