一种基于自适应模糊决策树的灯光动态调控方法技术

本发明专利技术提供一种基于自适应模糊决策树的灯光动态调控方法，包括步骤一，参数数据的采集：根据影响路灯照度的因素，确定车流量、环境照度、PM2.5和时间点为影响路灯照度的参数，且上述参数分为若干个参数等级；步骤二，参数数据的隶属度计算：将车流量、环境照度、PM2.5和时间点的值带入隶属度函数，计算出上述参数的隶属度数据；步骤三，模糊决策树模型的建立：分别建立车流量、环境照度、PM2.5和时间点与路灯照度之间的模糊决策树模型；步骤四，将当前参数的隶属度数据带入步骤三建立的模糊决策树模型中，获得满足当前照明要求的路灯照度等级信息。

【技术实现步骤摘要】
一种基于自适应模糊决策树的灯光动态调控方法
本专利技术涉及一种基于自适应模糊决策树的灯光动态调控方法，属于路灯控制系统领域。
技术介绍
针对夜间路灯能耗严重的问题，目前路灯控制系统主要节能控制方法有时控、光控或根据车流量大小来调整路灯输出功率。但是这些控制方法均没有综合考虑道路交通流量和环境状态等因素，为此设计一种综合考虑各种因素来预测路灯照度等级的灯光控制方法，保证照明需求的同时降低系统能耗。
技术实现思路
本专利技术为了解决现有技术中存在的缺陷和不足，提供了一种基于自适应模糊决策树的灯光动态调控方法，解决了路灯控制技术中没有综合考虑道路交通流量和环境状态等因素对路灯照度的影响问题。为解决上述技术问题，本专利技术提供一种基于自适应模糊决策树的灯光动态调控方法，包括以下步骤：步骤一，参数数据的采集：根据影响路灯照度的因素，确定车流量、环境照度、PM2.5和时间点为影响路灯照度的参数，且上述参数分为若干个参数等级；步骤二，参数数据的隶属度计算：将车流量、环境照度、PM2.5和时间点的值带入隶属度函数，计算出上述参数的隶属度数据；步骤三，模糊决策树模型的建立：分别建立车流量、环境照度、PM2本文档来自技高网...

【技术保护点】
1.一种基于自适应模糊决策树的灯光动态调控方法，其特征在于包括以下步骤：步骤一，参数数据的采集：根据影响路灯照度的因素，确定车流量、环境照度、PM2.5和时间点为影响路灯照度的参数，且上述参数分为若干个参数等级；步骤二，参数数据的隶属度计算：将车流量、环境照度、PM2.5和时间点的值带入隶属度函数，计算出上述参数的隶属度数据；步骤三，模糊决策树模型的建立：分别建立车流量、环境照度、PM2.5和时间点与路灯照度之间的模糊决策树模型，具体过程如下：3.1分别以车流量、环境照度、PM2.5和时间点的参数数据作为训练样本，计算模糊信息熵H(D)：

【技术特征摘要】
1.一种基于自适应模糊决策树的灯光动态调控方法，其特征在于包括以下步骤：步骤一，参数数据的采集：根据影响路灯照度的因素，确定车流量、环境照度、PM2.5和时间点为影响路灯照度的参数，且上述参数分为若干个参数等级；步骤二，参数数据的隶属度计算：将车流量、环境照度、PM2.5和时间点的值带入隶属度函数，计算出上述参数的隶属度数据；步骤三，模糊决策树模型的建立：分别建立车流量、环境照度、PM2.5和时间点与路灯照度之间的模糊决策树模型，具体过程如下：3.1分别以车流量、环境照度、PM2.5和时间点的参数数据作为训练样本，计算模糊信息熵H(D)：上式中，D为训练样本的模糊集，n为路灯照度等级的类别数，pi为模糊集中不同路灯照度等级的样本数与样本总数的比值；3.2模糊信息增益率的计算；以时间点划分模糊集D，假设时间点为属性A，计算时间点对模糊集的划分信息熵HA(D)：式中，|Di|为属性A在傍晚或午夜每个取值对应的样本数，|D|为模糊集D样本总数，H(Di)为属性A的每个取值的模糊信息熵；计算属性A即时间点划分模糊集D的模糊信息增益Gain(A)：Gain(A)＝H(D)-HA(D)引入时间点的分裂信息调节信息增益，得到调节后的模糊信息增益S(A)：计算属性A划分模糊集的模糊信息增益率GainRatio(A)：同理，计算出车流量、环境照度和PM2.5的模糊信息增益率，并按信息增益率的大小对属性进行排序，按信息增益率由大到小依次称为第一属性、第二属性、第三属性和第四属性，然后选取第一属性作为模糊决策树的根节点；3.3首先，对根节点按照参数等级进行分裂，得到第一属性的各个参数等级分支，然后对当前属性的隶属度值进行计算，当隶属度值大于参数等级分支的显著性水平值α时，则当前属性被划分至该参数等级分支中；然后，计算各个参数等级分支所述参数等级的分类置信水平，当分类置信水平大于其真实水平值β时，则该第参数等级分支作为叶子节点，停止分裂；否则，继续分裂；继续分裂的参数等级分支以第二属性的参数等级进行分裂，得到第二属性的各个参数等级分支，继续上述过程，直至每个参数等级分支均为叶子节点，如此，完成模糊决策树模型的建立；步骤四，将当前参数的隶属度数据带入步骤三建立的模糊决策树模型中，获得满足当前照明要求的路灯照度等级信息。2.根据权利要求1所述的基于自适应模糊决策树的灯光动态调控方法，其特征在于，步骤3.3通过粒子群算法智能整定显著性水平值α和真实水平值β的步骤如下：3.3.1对粒子群X＝{X1...Xm}进行初始化，其中，第i个粒子Xi在空间的初始位置表示为xi0＝(xi10，xi20)，初始飞行速度表示为vi0＝(vi10，vi20)；3.3.2计算每个粒子Xi的适应度值fitness(xit)；3.3.3将每个粒子Xi的适应度值fitness(xit)与其历经的最佳位置pBest...

【专利技术属性】
技术研发人员：曾佳慧，倪伟，张润生，时良平，
申请(专利权)人：淮阴工学院，南京工业大学，
类型：发明
国别省市：江苏,32