一种物联网路灯智能控制方法及系统与流程

本发明涉及智能控制，特别是指一种物联网路灯智能控制方法及系统。

背景技术：

1、随着城市化进程的加速，路灯作为城市基础设施的重要组成部分，其数量和管理复杂度不断增加。传统的路灯控制方式往往采用定时开关或简单的光控方式，无法实现根据实际情况智能调节路灯亮度的功能，导致能源浪费和光照不足等问题。因此，如何根据路灯所在环境的光照强度、人流量和车流量等因素，实现路灯的智能控制和亮度调节，是当前城市路灯管理亟待解决的问题。

2、目前，已有一些技术尝试解决上述问题。例如，有些系统采用图像传感器和雷达传感器来获取路灯所在环境的光照强度、人流量和车流量数据，但这些数据通常只在中央服务器上进行处理和分析，导致处理延迟。另外，一些系统采用单一的优化算法来生成路灯控制指令，无法根据实际情况进行灵活调整和优化。

技术实现思路

1、本发明要解决的技术问题是提供一种物联网路灯智能控制方法及系统，实现了对路灯所在环境的全面感知和数据的初步处理；通过云端服务器的数据分析和优化算法生成控制指令，实现了对路灯的智能控制和亮度调节；通过采用分布式网络结构和局部计算模型进行本地处理和分配，实现了路灯的分布式管理和协同工作，通过根据匹配结果调节路灯亮度，提高了路灯系统的能效和照明质量。

2、为解决上述技术问题，本发明的技术方案如下：

3、第一方面，一种物联网路灯智能控制方法，所述方法包括：

4、通过图像传感器和雷达传感器获取路灯所在环境的光照强度、人流量和车流量数据；

5、在边缘计算节点上对环境的光照强度、人流量和车流量数据进行初步处理，以提取关键特征信息；

6、将关键特征信息及任务请求传输至云端服务器，以使云端服务器对接收的数据进行分析，以得到分析结果；

7、根据所述分析结果，采用优化算法生成路灯控制指令；

8、根据分布式网络结构，将控制指令传输至局部计算模型，以使局部计算模型接收中央服务器的控制指令，并与边缘计算管理节点协同工作，对控制指令进行本地处理和分配，以得到匹配结果；

9、根据所述匹配结果调节路灯亮度。

10、进一步的，在边缘计算节点上对环境的光照强度、人流量和车流量数据进行初步处理，以提取关键特征信息，包括：

11、对光照强度、人流量和车流量数据的图像数据通过进行处理，以得到是处理后的图像在(x,y)处的像素值，其中，i″(x,y)是处理后的图像在(x,y)处的像素值，nl表示非局部均值去噪操作，s是缩放因子，用于图像缩放，aij是双三次插值中的插值系数，μl和σl分别是图像通道的均值和标准差；

12、对光照强度、人流量和车流量数据的雷达数据，通过n∈(p)＝q∈d|dist(p,q)≤∈进行点云分割，以得到分割数据，若|n∈(p)|≥minpts，则p为核心点，其中，p为任意点和∈为邻域半径；

13、对于点云中的每个点pi通过进行平滑处理，以得到平滑后的位置p′i，其中，wij是基于点之间距离的权重，i和j是索引号；根据平移后的位置p′i，通过计算每个点被选为下一个聚类中心的概率p(x)，其中，d(x)是点(x)到最近已选中心的距离；

14、边缘计算节点根据处理后的图像在(x,y)处的像素值、分割数据以及平滑后的位置p′i，提取关键特征信息。

15、进一步的，边缘计算节点根据处理后的图像在(x,y)处的像素值、分割数据以及平滑后的位置p′i，提取关键特征信息，包括：

16、接收由局部摄像头或传感器采集的图像数据；

17、对于图像中的每个像素，边缘计算节点分析图像在(x，y)处的像素值；

18、边缘计算节点从图像中提取物体的位置信息(x，y)；

19、根据图像中的不同区域或物体，边缘计算节点进行数据分割，以将图像分成不同的区域，每个区域对应不同的物体或场景；

20、边缘计算节点根据分析的像素值、位置信息和分割数据，提取关键特征信息。

21、进一步的，将关键特征信息及任务请求传输至云端服务器，以使云端服务器对接收的数据进行分析，以得到分析结果，包括：

22、边缘计算节点将提取的关键特征信息进行封装，形成一个结构化的数据包；

23、对所述数据包进行加密处理，以得到加密数据包；

24、将所述加密数据包，从边缘计算节点发送至云端服务器，以使云端服务器对接收到的加密数据进行解密，并解析序列化的数据包，提取出关键特征信息；

25、云端服务器使用数据分析和机器学习算法对关键特征信息进行分析，以得到分析结果。

26、进一步的，根据所述分析结果，采用优化算法生成路灯控制指令，包括：

27、确定路灯控制的优化目标、参数范围以及约束条件；

28、随机生成一群粒子，以构成粒子群，以及随机生成一组个体，构成初始种群；

29、对每个粒子和个体根据目标函数计算适应度值；

30、根据适应度值和设定的参数，更新粒子的速度和位置，以得到新的粒子群；

31、根据适应度值，选择一部分个体作为父代，进行交叉和变异操作生成新的个体；

32、将新的个体和新的粒子群合并，形成新的群体；

33、反复迭代，直到达到设定的迭代次数为止，以得到最终的个体；

34、根据最终的个体，确定最终的路灯控制指令。

35、进一步的，根据分布式网络结构，将控制指令传输至局部计算模型，以使局部计算模型接收中央服务器的控制指令，并与边缘计算管理节点协同工作，对控制指令进行本地处理和分配，以得到匹配结果，包括：

36、根据最终的路灯控制指令，中央服务器通过分布式网络将生成的控制指令传输至各个局部计算模型；

37、每个局部计算模型在接收到控制指令后进行解析，提取控制指令中的控制信息；

38、局部计算模型将控制信息传递至边缘计算管理节点，每个局部计算模型根据接收到的控制信息，对相应的路灯进行本地处理和分配；

39、在局部计算模型完成本地处理和分配后，以得到实际执行的控制结果。

40、进一步的，根据所述匹配结果调节路灯亮度，包括：

41、边缘计算节点对匹配结果进行分析，以得到分析结果；

42、根据分析结果，边缘计算节点确定调节路灯亮度的策略；

43、边缘计算节点根据确定的调节策略，向路灯发送相应的控制指令，调节路灯的亮度。

44、第二方面，一种物联网路灯智能控制系统，包括：

45、获取模块，用于通过图像传感器和雷达传感器获取路灯所在环境的光照强度、人流量和车流量数据；在边缘计算节点上对环境的光照强度、人流量和车流量数据进行初步处理，以提取关键特征信息；将关键特征信息及任务请求传输至云端服务器，以使云端服务器对接收的数据进行分析，以得到分析结果；

46、处理模块，用于根据所述分析结果，采用优化算法生成路灯控制指令；根据分布式网络结构，将控制指令传输至局部计算模型，以使局部计算模型接收中央服务器的控制指令，并与边缘计算管理节点协同工作，对控制指令进行本地处理和分配，以得到匹配结果；根据所述匹配结果调节路灯亮度。

47、第三方面，一种计算设备，包括：

48、一个或多个处理器；

49、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述方法。

50、第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现上述方法。

51、本发明的上述方案至少包括以下有益效果：

52、本发明的上述方案，通过图像传感器和雷达传感器获取路灯所在环境的光照强度、人流量和车流量数据，该方法可以准确判断不同时间段和不同环境下的照明需求。结合优化算法生成的路灯控制指令，可以精确调整路灯亮度，避免不必要的能源浪费，从而提高整个路灯系统的能效。

53、通过对环境数据的分析和处理，该方法可以根据实际情况智能调节路灯亮度，确保在满足照明需求的同时，避免过度照明或光照不足的问题。这不仅可以提升城市的照明质量，还可以增强人们的安全感和舒适度。

54、采用分布式网络结构，将控制指令传输至局部计算模型进行本地处理和分配。这种分布式管理方式可以减轻云端服务器的负担，降低通信延迟，提高系统的响应速度。同时，局部计算模型与边缘计算管理节点的协同工作，可以确保路灯控制在满足全局优化目标的同时，充分考虑局部环境和需求，实现更精细化的管理。

55、通过边缘计算节点对数据进行初步处理，提取关键特征信息，从而降低了数据传输和处理的复杂性。同时，云端服务器可以根据需要扩展计算资源，以应对更大规模的路灯控制系统。这种可扩展性和灵活性使得该方法能够适应不同城市和不同场景的需求。

56、通过对路灯的智能控制和亮度调节，可以在保证照明质量的同时，降低路灯系统的能耗和维护成本。此外，通过实时监测路灯状态和性能，可以及时发现并修复故障，减少因设备损坏导致的额外成本。