燈具的開關狀態(tài)的識別方法及系統及估算方法及系統的制作方法
【技術領域】
[0001] 本發(fā)明設及智能家居技術領域，尤其設及一種燈具開關狀態(tài)的識別方法及系統及 估算方法及系統。
【背景技術】
[0002] 傳統的收集建筑內燈具運行及照度信息的方法主要是通過記錄用戶日常行為和 大范圍的問卷調查統計來進行照度測量。長期不斷的記錄燈具運行狀態(tài)的行為會讓受試用 戶感覺枯燥乏味，且會增加其工作負擔。大范圍的實地問卷調查一方面無法經常性進行，另 一方面難W將燈具運行的統計信息與實時的環(huán)境數據聯系起來。
[0003] 近年來，隨著傳感、通信、計算等技術的發(fā)展及智能家居等概念的流行，用于室內 環(huán)境監(jiān)測和燈具開關狀態(tài)控制的建筑無線監(jiān)測網絡逐漸興起。國內外已有大量的研究人員 在嘗試通過室內外環(huán)境參數的長時間監(jiān)測結果來分析與總結室內人員狀態(tài)與室內環(huán)境變 化之間的規(guī)律，如Raat化ainen等人通過室內外溫濕度、壓差、C02濃度變化等特征推斷室 內是否有人、空調是否開啟。Dong等和化ge等根據室內C02的變化特征、小區(qū)域內的代謝 產熱率與污染物濃度。推斷人員的出勤率化及人員的活動區(qū)域分布。化n等和化ge等根據 溫度等變化推測人員的開窗活動等。但是，該些研究均屬于控制環(huán)境下的實驗研究，監(jiān)測的 數據量少，沒有形成能夠用于真實環(huán)境中長期數據監(jiān)測與行為信息收集的體系。真實環(huán)境 中用戶的自主性與開、關燈行為的隨機性，給室內照度數據與燈具開關行為信息的長期、大 范圍收集帶來了挑戰(zhàn)。

【發(fā)明內容】

[0004] 本發(fā)明旨在至少在一定程度上解決相關技術中的技術問題之一。為此，本發(fā)明第 一方面目的在于提出一種具有智能、高效的燈具的開關狀態(tài)識別方法。
[0005] 本發(fā)明第二方面目的在于提出一種燈具的開關狀態(tài)識別系統。
[0006] 本發(fā)明第S方面目的在于提出一種燈具的開關狀態(tài)識別方法。
[0007] 本發(fā)明第四方面目的在于提出一種燈具的開關狀態(tài)識別系統。
[0008] 本發(fā)明第五方面目的在于提出一種燈具的開關狀態(tài)估算方法。
[0009] 本發(fā)明第六方面目的在于提出一種燈具的開關狀態(tài)估算系統。
[0010] 為了實現上述目的，本發(fā)明第一方面實施例的燈具的開關狀態(tài)識別方法，包括W 下步驟；S11，采集樣本數據，所述樣本數據包括照度數據及該照度數據對應時刻的燈具的 開關狀態(tài)；S12,對所述樣本數據進行預處理濾除異常樣本，W獲取預處理后的樣本，并將所 述預處理后的樣本劃分為訓練集和測試集；S13,對所述訓練集進行特征項選擇W獲取特征 項；S14,對所述特征項進行處理，W獲取所述燈具的開關狀態(tài)的識別規(guī)則，所述識別規(guī)則 包括照度區(qū)間及對應的所述燈具的開關狀態(tài)；S15,利用所述測試集對所述識別規(guī)則進行 測試，并獲取測試結果；W及S16,判斷所述測試結果是否大于預設闊值，若是，則將所述識 別規(guī)則作為所述燈具的開關狀態(tài)的識別結果，輸出所述識別結果，若否，則重復執(zhí)行S13~ S16直至所述樣本數據測試結束。
[0011] 根據本發(fā)明實施例的燈具的開關狀態(tài)的識別方法，通過大范圍的實時測量室內照 度數據和收集開關燈等的行為信息采集樣本數據，克服長期行為記錄的不便、大范圍數據 收集的高費用等挑戰(zhàn)。此外通過對樣本數據進行預處理獲取訓練集和測試集，并對訓練集 進行特征項選擇，訓練出照度數據與燈具的開關狀態(tài)的識別規(guī)則，同時利用測試集對識別 規(guī)則進行測試，已驗證獲取的高正確率的識別結果。
[0012] 在一些示例中，所述步驟S12采用樣本間距的方式濾除異常樣本。
[0013]在一些示例中，所述步驟S13根據所述照度數據與所述燈具的開關狀態(tài)的相對信 息增益量獲取所述特征項。
[0014]在一些示例中，所述步驟S14利用貝葉斯網絡獲取所述識別規(guī)則。
[0015]本發(fā)明第二方面實施例的燈具的開關狀態(tài)識別系統，包括：采集模塊，用于采集樣 本數據，所述樣本數據包括照度數據及該照度數據對應時刻的燈具的開關狀態(tài)；預處理模 塊，用于對所述樣本數據進行預處理濾除異常樣本，W獲取預處理后的樣本，并將所述預處 理后的樣本劃分為訓練集和測試集；特征選取模塊，用于對所述訓練集進行特征項選擇W 獲取特征項；識別模塊，用于對所述特征項進行處理，W獲取所述燈具開關狀態(tài)的識別規(guī) 貝1J，所述識別規(guī)則包括照度區(qū)間及對應的所述燈具的開關狀態(tài)；W及判斷模塊，用于利用所 述測試集對所述識別規(guī)則進行測試，并獲取測試結果，判斷所述測試結果是否大于預設闊 值，若是，則將所述識別規(guī)則作為所述空調的開關狀態(tài)的識別結果，輸出所述識別結果。根 據本發(fā)明實施例的燈具的開關狀態(tài)的識別系統，采集模塊通過大范圍的實時測量室內照度 數據和收集開關燈等的行為信息采集樣本數據，克服長期行為記錄的不便、大范圍數據收 集的高費用等挑戰(zhàn)。此外預處理模塊通過對樣本數據進行預處理獲取訓練集和測試集，特 征項選擇模塊對訓練集進行特征項選擇后，識別模塊訓練出照度數據與燈具的開關狀態(tài)的 識別規(guī)則，同時判斷模塊利用測試集對識別規(guī)則進行測試，已驗證獲取的高正確率的識別 結果。
[0016]在一些示例中，所述預處理模塊用于采用樣本間距的方式濾除異常樣本。
[0017]在一些示例中，所述特征選取模塊用于根據所述照度數據與所述燈具的開關狀態(tài) 的相對信息增益量獲取所述特征項。
[0018]在一些示例中，所述識別模塊用于利用貝葉斯網絡獲取所述識別規(guī)則。
[0019]本發(fā)明第=方面實施例的燈具的開關狀態(tài)的識別方法，包括W下步驟；S21，獲取 第一預定樣本容量的第一樣本數據，所述第一樣本數據包括照度數據及該照度數據對應的 燈具的開關狀態(tài)；S22,獲取第二預定樣本容量的第二樣本數據，從所述第一樣本數據中刪 除與所述第二預定樣本容量數目相同的第一樣本數據并獲取刪除后的第一樣本數據，并將 所述第二樣本數據加入所述刪除后的第一樣本數據中，W得到更新后的第一樣本數據，所 述第二樣本數據包括照度數據及該照度數據對應的燈具的開關狀態(tài)，第二預定樣本容量小 于所述第一預定樣本容量；S23,建立所述更新后的第一樣本數據的所述照度數據與所述燈 具的開關狀態(tài)的識別規(guī)則，所述識別規(guī)則包括照度區(qū)間及其對應的所述燈具的開關狀態(tài)； S24,輸出所述照度數據與所述燈具的開關狀態(tài)的識別規(guī)則。
[0020] 根據本發(fā)明實施例的燈具的開關狀態(tài)的識別方法，通過采集樣本，并利用新樣本 替代歷史樣本的方法，直接根據樣本數據中呈現的照度數據與燈具的開關狀態(tài)之間的內在 規(guī)律，獲取照度數據對應的燈具的開關狀態(tài)。本發(fā)明實施例的方法未利用時間變量，因而更 具有抗時變性。
[0021] 在一些示例中，所述識別方法通過機器學習的方式獲取所述照度數據與所述識別 規(guī)則。
[0022] 本發(fā)明第四方面實施例的燈具的開關狀態(tài)識別系統，包括；第一采集模塊，用于采 集第一預定樣本容量的第一樣本數據，所述第一樣本數據包括照度數據及對應的燈具的開 關狀態(tài)；第二采集模塊，用于獲取第二預定樣本容量的第二樣本數據；處理模塊，用于從所 述第一樣本數據中刪除與所述第二預定樣本容量數目相同的第一樣本數據獲取刪除后的 第一樣本數據，并將所述第二樣本數據加入所述刪除后的第一樣本數據中，W得到更新后 的第一樣本數據，并建立所述更新后的第一樣本數據的所述照度數據與所述燈具的開關狀 態(tài)的識別規(guī)則，所述識別規(guī)則包括照度區(qū)間及對應的所述燈具的開關狀態(tài)，所述第二樣本 數據包括照度數據及該照度數據對應的燈具的開關狀態(tài)，第二預定樣本容量小于所述第一 預定樣本容量。
[0023] 根據本發(fā)明實施例的燈具的開關狀態(tài)的識別系統，通過第一采集模塊采集樣本， 并利用第二采集模塊采集的新樣本替代歷史樣本的方法，處理模塊直接根據樣本數據中呈 現的照度數據與燈具的開關狀態(tài)之間的內在規(guī)律，獲取照度數據對應的燈具的開關狀態(tài)。 本發(fā)明實施例的方法未利用時間變量，因而更具有抗時變性。
[0024] 本發(fā)明第五方面的實施例中提出一種燈具開關狀態(tài)的估算方法，包括W下步驟： S