CN117279139B - 基于数据感知的led智能控制方法、装置及设备 - Google Patents

Abstract

本发明涉及一种基于数据感知的LED智能控制方法、装置及设备，属于LED控制技术领域，本发明通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数，进而基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数，最后根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。本发明通过融合外部因素以及LED自身内部的影响来预测LED的发光参数，从而能够模拟出LED在对应的场景中的发光参数，提高了LED的相关控制参数的控制精度，提升了用户体验。

Description

基于数据感知的LED智能控制方法、装置及设备

技术领域

本发明涉及LED控制技术领域，尤其涉及一种基于数据感知的LED智能控制方法、装置及设备。

背景技术

随着物联网技术的不断发展以及智能照明电气技术的不断升级，照明电气控制开始逐步与软件系统进行交互融合，对于整个智能照明领域的发展具有积极影响。然而，LED的发光参数与众多因素有关，如LED自身的性能退化以及外部因素影响LED的发光特性等，现如今的技术中均未考虑该类因素，导致了LED的相关控制参数还不够精确，降低了用户的使用体验。

发明内容

本发明克服了现有技术的不足，提供了一种基于数据感知的LED智能控制方法、装置及设备。

为达上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种基于数据感知的LED智能控制方法，包括以下步骤：

构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息；

通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。

进一步的，在本方法中，构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息，具体包括：

通过在目标区域设置若干环境感知设备以及信息传输设备，并初始化数据感知网络中信息传输设备的数量信息，通过对环境感知设备进行信息传输速率模拟，获取每个信息传输设备的信息传输速率；

统计信息传输设备的信息传输速率，获取平均信息传输速率，设置平均信息传输速率阈值，融入粒子群算法，并设置迭代代数，并判断平均信息传输速率是否小于平均信息传输速率阈值；

当平均信息传输速率小于平均信息传输速率阈值，将信息传输设备的数量信息根据迭代代数进行均匀增加，并生成新的信息传输设备的数量信息；

根据新的信息传输设备的数量信息计算出平均信息传输速率，当平均信息传输速率大于平均信息传输速率阈值时，停止迭代，输出新的信息传输设备的数量信息，并根据新的信息传输设备的数量信息构建数据感知网络。

进一步的，在本方法中，根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数，具体包括：

通过大数据获取在各种内部因子数据之下LED发光参数的变化特征数据，并根据在各种内部因子数据之下LED发光参数的变化特征数据构建特征矩阵；

基于深度学习网络构建LED发光参数预测模型，引入奇异值分解算法，通过奇异值分解算法对特征矩阵进行分解，获取由特征向量组成的特征向量矩阵；

将由特征向量组成的特征向量矩阵输入到LED发光参数预测模型中进行编码学习，当LED发光参数预测模型符合预设要求之后，保存模型参数并输出LED发光参数预测模型；

通过LED发光参数预测模型预测LED在内部因子数据影响之下的实时发光参数。

进一步的，在本方法中，基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，具体包括：

通过大数据获取各外部因子数据之下LED发光参数的变化特征数据，并构建LED发光参数知识图谱，引入图神经网络，将LED发光参数作为第一图节点；

将各外部因子数据作为第二图节点，通过有向边描述，根据第一图节点以及第二图节点构建拓扑结构图，获取拓扑结构图对应的邻接矩阵；

将邻接矩阵输入到LED发光参数知识图谱中进行存储，将目标区域的感知数据输入LED发光参数知识图谱中，通过遍历算法进行数据匹配；

通过数据匹配之后，获取LED在外部因子数据影响之下的实时发光参数。

进一步的，在本方法中，通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数，具体包括：

构建虚拟场景，并获取LED当前场景之下在不同区域的发光参数数据，并将LED当前场景之下在不同区域的发光参数数据输入到虚拟场景中，获取LED在虚拟场景中的模拟模型；

融合LED在内部因子数据影响之下的实时发光参数以及LED在外部因子数据影响之下的实时发光参数，生成LED实时的发光参数数据；

根据LED实时的发光参数数据对LED在虚拟场景中的模拟模型进行修正，生成实时的LED实时发光参数模拟模型；

通过实时的LED实时发光参数模拟模型获取LED在预设区域的发光参数，并将LED在预设区域的发光参数输出。

进一步的，在本方法中，根据LED在预设区域的发光参数生成相关的调控参数，具体包括：

预设LED发光参数第一阈值信息以及第二阈值范围信息，并判断LED在预设区域的发光参数是否大于LED发光参数第一阈值信息；

当LED在预设区域的发光参数大于LED发光参数第一阈值信息，进一步判断LED在预设区域的发光参数是否在第二阈值范围信息之内；

当LED在预设区域的发光参数不在第二阈值范围信息之内时，根据第二阈值范围信息以及LED在预设区域的发光参数生成相关的调控参数；

当LED在预设区域的发光参数不大于LED发光参数第一阈值信息时，则获取对应的LED安装位置，并根据对应的LED安装位置生成相关的预警信息。

本发明第二方面提供了一种基于数据感知的LED智能控制装置，该装置包括存储器以及处理器，存储器中包括基于数据感知的LED智能控制方法程序，基于数据感知的LED智能控制方法程序被处理器执行时，实现如下步骤：

构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息；

通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。

进一步的，在本装置中，构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息，具体包括：

通过在目标区域设置若干环境感知设备以及信息传输设备，并初始化数据感知网络中信息传输设备的数量信息，通过对环境感知设备进行信息传输速率模拟，获取每个信息传输设备的信息传输速率；

统计信息传输设备的信息传输速率，获取平均信息传输速率，设置平均信息传输速率阈值，融入粒子群算法，并设置迭代代数，并判断平均信息传输速率是否小于平均信息传输速率阈值；

当平均信息传输速率小于平均信息传输速率阈值，将信息传输设备的数量信息根据迭代代数进行均匀增加，并生成新的信息传输设备的数量信息；

根据新的信息传输设备的数量信息计算出平均信息传输速率，当平均信息传输速率大于平均信息传输速率阈值时，停止迭代，输出新的信息传输设备的数量信息，并根据新的信息传输设备的数量信息构建数据感知网络。

进一步的，在本装置中，根据LED在预设区域的发光参数生成相关的调控参数，具体包括：

预设LED发光参数第一阈值信息以及第二阈值范围信息，并判断LED在预设区域的发光参数是否大于LED发光参数第一阈值信息；

当LED在预设区域的发光参数大于LED发光参数第一阈值信息，进一步判断LED在预设区域的发光参数是否在第二阈值范围信息之内；

当LED在预设区域的发光参数不在第二阈值范围信息之内时，根据第二阈值范围信息以及LED在预设区域的发光参数生成相关的调控参数；

当LED在预设区域的发光参数不大于LED发光参数第一阈值信息时，则获取对应的LED安装位置，并根据对应的LED安装位置生成相关的预警信息。

本发明第三方面提供了基于数据感知的LED智能控制设备，包括：

获取模块，构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息；

第一分析模块，通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

第二分析模块，基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

调控模块，根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。

本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

本发明通过构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息，通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数，进而基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数，最后根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。本发明通过融合外部因素以及LED自身内部的影响来预测LED的发光参数，从而能够模拟出LED在对应的场景中的发光参数，提高了LED的相关控制参数的控制精度，提升了用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1示出了基于数据感知的LED智能控制方法的整体方法流程图；

图2示出了基于数据感知的LED智能控制方法的部分方法流程士；

图3示出了基于数据感知的LED智能控制装置的示意图；

图4示出了基于数据感知的LED智能控制设备的示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

如图1所示，本发明第一方面提供了一种基于数据感知的LED智能控制方法，包括以下步骤：

S102:构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息；

S104:通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

S106:基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

S108:根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。

需要说明的是，本发明通过融合外部因素以及LED自身内部的影响来预测LED的发光参数，从而能够模拟出LED在对应的场景中的发光参数，提高了LED的相关控制参数的控制精度，提升了用户体验。

如图2所示，需要说明的是，构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息，具体包括：

S202:通过在目标区域设置若干环境感知设备以及信息传输设备，并初始化数据感知网络中信息传输设备的数量信息，通过对环境感知设备进行信息传输速率模拟，获取每个信息传输设备的信息传输速率；

S204:统计信息传输设备的信息传输速率，获取平均信息传输速率，设置平均信息传输速率阈值，融入粒子群算法，并设置迭代代数，并判断平均信息传输速率是否小于平均信息传输速率阈值；

S206:当平均信息传输速率小于平均信息传输速率阈值，将信息传输设备的数量信息根据迭代代数进行均匀增加，并生成新的信息传输设备的数量信息；

S208:根据新的信息传输设备的数量信息计算出平均信息传输速率，当平均信息传输速率大于平均信息传输速率阈值时，停止迭代，输出新的信息传输设备的数量信息，并根据新的信息传输设备的数量信息构建数据感知网络。

需要说明的是，环境感知设备包括但不仅限于温度传感器、湿度传感器、雾霾度传感器，信息传输设备包括天线、信息发射基站、信息接收基站等。当目标区域中的环境感知设备不断地增加时，当信息传输设备的数量确定时，其MIMO网络也是确定的，其每个环境感知设备不断增多时，该环境感知设备在信息传输时就会占用信息传输通道，从而降低信息传输速率，通过容易粒子群算法能够对数据感知网络中的信息传输设备的数量进行调整，从而能够及时采集环境感知设备的感知数据，及时根据环境感知设备的感知数据进行调控LED的发光参数。

进一步的，在本方法中，根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数，具体包括：

通过大数据获取在各种内部因子数据之下LED发光参数的变化特征数据，并根据在各种内部因子数据之下LED发光参数的变化特征数据构建特征矩阵；

基于深度学习网络构建LED发光参数预测模型，引入奇异值分解算法，通过奇异值分解算法对特征矩阵进行分解，获取由特征向量组成的特征向量矩阵；

将由特征向量组成的特征向量矩阵输入到LED发光参数预测模型中进行编码学习，当LED发光参数预测模型符合预设要求之后，保存模型参数并输出LED发光参数预测模型；

通过LED发光参数预测模型预测LED在内部因子数据影响之下的实时发光参数。

需要说明的是，内部因子数据为由于LED内部零件的性能退化而导致LED的发光参数发生变化，其中发光参数包括LED的光照强度值、发光一定时间所引起的温度值变化参数、发光功率参数等数据。其中，通过奇异值分解算法对特征矩阵进行分解，能够降低模型的计算复杂度，提高模型的预测速度。深度学习网络包括深度神经网络、递归神经网络等。

进一步的，在本方法中，基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，具体包括：

通过大数据获取各外部因子数据之下LED发光参数的变化特征数据，并构建LED发光参数知识图谱，引入图神经网络，将LED发光参数作为第一图节点；

将各外部因子数据作为第二图节点，通过有向边描述，根据第一图节点以及第二图节点构建拓扑结构图，获取拓扑结构图对应的邻接矩阵；

将邻接矩阵输入到LED发光参数知识图谱中进行存储，将目标区域的感知数据输入LED发光参数知识图谱中，通过遍历算法进行数据匹配；

通过数据匹配之后，获取LED在外部因子数据影响之下的实时发光参数。

需要说明的是，外部因子数据包括温度、湿度、雾霾度等数据，不同温度、湿度、雾霾度等因子数据的情况之下，LED的发光参数也会有所差异，在高于一定的温度之后，温度越高，LED的光照强度越低下。其中，雾霾度也会影响光照的传输，部分光照能够被雾霾所遮挡，导致预设区域的光照强度不符合预设的要求。通过引入图神经网络能够对发光参数以及外部因子进行关联，能够提高数据查询的效率。

进一步的，在本方法中，通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数，具体包括：

构建虚拟场景，并获取LED当前场景之下在不同区域的发光参数数据，并将LED当前场景之下在不同区域的发光参数数据输入到虚拟场景中，获取LED在虚拟场景中的模拟模型；

融合LED在内部因子数据影响之下的实时发光参数以及LED在外部因子数据影响之下的实时发光参数，生成LED实时的发光参数数据；

根据LED实时的发光参数数据对LED在虚拟场景中的模拟模型进行修正，生成实时的LED实时发光参数模拟模型；

通过实时的LED实时发光参数模拟模型获取LED在预设区域的发光参数，并将LED在预设区域的发光参数输出。

需要说明的是，通过虚拟现实技术、三维建模技术等来构建虚拟场景，来模拟LED在各种外部因子以及内部因子的情况之下，LED在预定区域之内的光照强度参数，从而生成实时的LED实时发光参数模拟模型，从而来获取预定区域的光照强度，如室外的LED路灯照射在预定的马路区域的光照强度、室内LED照射在预定区域的光照强度等。

进一步的，在本方法中，根据LED在预设区域的发光参数生成相关的调控参数，具体包括：

预设LED发光参数第一阈值信息以及第二阈值范围信息，并判断LED在预设区域的发光参数是否大于LED发光参数第一阈值信息；

当LED在预设区域的发光参数大于LED发光参数第一阈值信息，进一步判断LED在预设区域的发光参数是否在第二阈值范围信息之内；

当LED在预设区域的发光参数不在第二阈值范围信息之内时，根据第二阈值范围信息以及LED在预设区域的发光参数生成相关的调控参数；

当LED在预设区域的发光参数不大于LED发光参数第一阈值信息时，则获取对应的LED安装位置，并根据对应的LED安装位置生成相关的预警信息。

需要说明的是，当LED在预设区域的发光参数大于LED发光参数第一阈值信息，说明对应的LED是正常工作的，不是故障或者发光效率差的LED灯；反之，则LED是异常工作的，存在故障或者发光效率差的LED灯。当LED在预设区域的发光参数不在第二阈值范围信息之内时，说明由于外部因素以及LED自身的发光特性影响，可能需要进行调整，当第二阈值范围信息以及LED在预设区域的发光参数之间的差值大于预设差值时，则根据第二阈值范围信息以及LED在预设区域的发光参数生成相关的调控参数，当第二阈值范围信息以及LED在预设区域的发光参数之间的差值不大于预设差值时，说明当前的发光参数符合要求，不需要调整。

此外，本方法还可以包括以下步骤：

通过大数据获取每一环境感知设备在各外部因子之下的性能退化特征数据，构建贝叶斯网络，将所述环境感知设备在各外部因子之下的性能退化特征数据输入到所述贝叶斯网络中；

通过所述贝叶斯网格获取每一环境感知设备性能异常的预测时间信息，并根据所述环境感知设备性能异常的预测时间信息进行预警，同时获取环境感知设备在性能异常的预测时间信息之内采集的环境感知数据；

将所述环境感知设备在性能异常的预测时间信息之内采集的环境感知数据作为异常数据，同时，获取所述异常数据所在的地理位置信息；

获取所述异常数据所在的地理位置信息距离最近的LED灯，并获取距离最近的LED灯所采集的环境感知数据，并将所述距离最近的LED灯所采集的环境感知数据作为异常环境感知设备的推送信息。

需要说明的是，当环境感知设备处于性能异常的预测时间信息时，所采集的数据为异常数据，从而将所述距离最近的LED灯所采集的环境感知数据作为异常环境感知设备的推送信息，进而根据异常环境感知设备的推送信息来调控LED的发光参数，通过本方法能够使得即使处于异常情况，仍可精准地控制LED的发光参数。

此外，本方法还可以包括以下步骤：

初始化信息传输设备的安装位置节点，并随机选取出一个环境感知设备的安装节点，计算传输设备的安装位置节点到环境感知设备的安装节点的距离值，根据所述距离值计算信息传输能耗值；

根据所述传输设备的安装位置节点到环境感知设备的安装节点的信息传输能耗值获取信息传输能耗值与距离值之间的相关性；

根据所述信息传输能耗值与距离值之间的相关性计算出每个环境感知设备的安装节点到信息传输设备的安装位置节点的信息传输能耗值，统计信息传输能耗值，获取总的能耗值；

预设总的能耗阈值，引入遗传算法，根据所述遗传算法设置遗传代数，当总的能耗值大于总的能耗阈值时，根据遗传代数调整信息传输设备的安装位置节点，直至总的能耗值不大于总的能耗阈值，输出信息传输设备的安装位置节点。

需要说明的是，环境感知设备所采集的数据通常是汇聚到信息传输设备中，再进行信息传输，通过本方法能够优化信息传输设备的安装位置节点，降低信息传输时的能耗值，相比于现有技术更节能减排。

如图3所示，本发明第二方面提供了一种基于数据感知的LED智能控制装置，该装置包括存储器41以及处理器42，存储器41中包括基于数据感知的LED智能控制方法程序，基于数据感知的LED智能控制方法程序被处理器42执行时，实现如下步骤：

构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息；

通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。

需要说明的是，本装置通过融合外部因素以及LED自身内部的影响来预测LED的发光参数，从而能够模拟出LED在对应的场景中的发光参数，提高了LED的相关控制参数的控制精度，提升了用户体验。

进一步的，在本装置中，构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息，具体包括：

通过在目标区域设置若干环境感知设备以及信息传输设备，并初始化数据感知网络中信息传输设备的数量信息，通过对环境感知设备进行信息传输速率模拟，获取每个信息传输设备的信息传输速率；

统计信息传输设备的信息传输速率，获取平均信息传输速率，设置平均信息传输速率阈值，融入粒子群算法，并设置迭代代数，并判断平均信息传输速率是否小于平均信息传输速率阈值；

当平均信息传输速率小于平均信息传输速率阈值，将信息传输设备的数量信息根据迭代代数进行均匀增加，并生成新的信息传输设备的数量信息；

根据新的信息传输设备的数量信息计算出平均信息传输速率，当平均信息传输速率大于平均信息传输速率阈值时，停止迭代，输出新的信息传输设备的数量信息，并根据新的信息传输设备的数量信息构建数据感知网络。

需要说明的是，环境感知设备包括但不仅限于温度传感器、湿度传感器、雾霾度传感器，信息传输设备包括天线、信息发射基站、信息接收基站等。当目标区域中的环境感知设备不断地增加时，当信息传输设备的数量确定时，其MIMO网络也是确定的，其每个环境感知设备不断增多时，该环境感知设备在信息传输时就会占用信息传输通道，从而降低信息传输速率，通过容易粒子群算法能够对数据感知网络中的信息传输设备的数量进行调整，从而能够及时采集环境感知设备的感知数据，及时根据环境感知设备的感知数据进行调控LED的发光参数。

进一步的，在本装置中，根据LED在预设区域的发光参数生成相关的调控参数，具体包括：

预设LED发光参数第一阈值信息以及第二阈值范围信息，并判断LED在预设区域的发光参数是否大于LED发光参数第一阈值信息；

当LED在预设区域的发光参数大于LED发光参数第一阈值信息，进一步判断LED在预设区域的发光参数是否在第二阈值范围信息之内；

当LED在预设区域的发光参数不在第二阈值范围信息之内时，根据第二阈值范围信息以及LED在预设区域的发光参数生成相关的调控参数；

当LED在预设区域的发光参数不大于LED发光参数第一阈值信息时，则获取对应的LED安装位置，并根据对应的LED安装位置生成相关的预警信息。

如图4所示，本发明第三方面提供了基于数据感知的LED智能控制设备，包括：

获取模块10，构建数据感知网络，通过数据感知网络获取目标区域的感知数据信息；

第一分析模块20，通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

第二分析模块30，基于外部因子数据以及目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

调控模块40，根据LED在预设区域的发光参数生成相关的调控参数，通过相关的调控参数进行调控。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.基于数据感知的LED智能控制方法，其特征在于，包括以下步骤：

构建数据感知网络，通过所述数据感知网络获取目标区域的感知数据信息；

通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据所述内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

基于所述外部因子数据以及所述目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

根据所述LED在预设区域的发光参数生成相关的调控参数，通过所述相关的调控参数进行调控；

构建数据感知网络，通过所述数据感知网络获取目标区域的感知数据信息，具体包括：

通过在目标区域设置若干环境感知设备以及信息传输设备，并初始化数据感知网络中信息传输设备的数量信息，通过对所述环境感知设备进行信息传输速率模拟，获取每个信息传输设备的信息传输速率；

统计所述信息传输设备的信息传输速率，获取平均信息传输速率，设置平均信息传输速率阈值，融入粒子群算法，并设置迭代代数，并判断所述平均信息传输速率是否小于平均信息传输速率阈值；

当所述平均信息传输速率小于平均信息传输速率阈值，将所述信息传输设备的数量信息根据所述迭代代数进行均匀增加，并生成新的信息传输设备的数量信息；

根据所述新的信息传输设备的数量信息计算出平均信息传输速率，当所述平均信息传输速率大于所述平均信息传输速率阈值时，停止迭代，输出新的信息传输设备的数量信息，并根据所述新的信息传输设备的数量信息构建数据感知网络。

2.根据权利要求1所述的基于数据感知的LED智能控制方法，其特征在于，根据所述内部因子数据预测LED在内部因子数据影响之下的实时发光参数，具体包括：

通过大数据获取在各种内部因子数据之下LED发光参数的变化特征数据，并根据所述在各种内部因子数据之下LED发光参数的变化特征数据构建特征矩阵；

基于深度学习网络构建LED发光参数预测模型，引入奇异值分解算法，通过所述奇异值分解算法对所述特征矩阵进行分解，获取由特征向量组成的特征向量矩阵；

将所述由特征向量组成的特征向量矩阵输入到所述LED发光参数预测模型中进行编码学习，当所述LED发光参数预测模型符合预设要求之后，保存模型参数并输出LED发光参数预测模型；

通过所述LED发光参数预测模型预测LED在内部因子数据影响之下的实时发光参数。

3.根据权利要求1所述的基于数据感知的LED智能控制方法，其特征在于，基于所述外部因子数据以及所述目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，具体包括：

通过大数据获取各外部因子数据之下LED发光参数的变化特征数据，并构建LED发光参数知识图谱，引入图神经网络，将LED发光参数作为第一图节点；

将各外部因子数据作为第二图节点，通过有向边描述，根据所述第一图节点以及第二图节点构建拓扑结构图，获取所述拓扑结构图对应的邻接矩阵；

将所述邻接矩阵输入到所述LED发光参数知识图谱中进行存储，将所述目标区域的感知数据输入所述LED发光参数知识图谱中，通过遍历算法进行数据匹配；

通过数据匹配之后，获取LED在外部因子数据影响之下的实时发光参数。

4.根据权利要求1所述的基于数据感知的LED智能控制方法，其特征在于，通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数，具体包括：

构建虚拟场景，并获取LED当前场景之下在不同区域的发光参数数据，并将所述LED当前场景之下在不同区域的发光参数数据输入到所述虚拟场景中，获取LED在虚拟场景中的模拟模型；

融合LED在内部因子数据影响之下的实时发光参数以及LED在外部因子数据影响之下的实时发光参数，生成LED实时的发光参数数据；

根据所述LED实时的发光参数数据对所述LED在虚拟场景中的模拟模型进行修正，生成实时的LED实时发光参数模拟模型；

通过所述实时的LED实时发光参数模拟模型获取LED在预设区域的发光参数，并将所述LED在预设区域的发光参数输出。

5.根据权利要求1所述的基于数据感知的LED智能控制方法，其特征在于，根据所述LED在预设区域的发光参数生成相关的调控参数，具体包括：

预设LED发光参数第一阈值信息以及第二阈值范围信息，并判断所述LED在预设区域的发光参数是否大于所述LED发光参数第一阈值信息；

当所述LED在预设区域的发光参数大于所述LED发光参数第一阈值信息，进一步判断所述LED在预设区域的发光参数是否在第二阈值范围信息之内；

当所述LED在预设区域的发光参数不在第二阈值范围信息之内时，根据所述第二阈值范围信息以及LED在预设区域的发光参数生成相关的调控参数；

当所述LED在预设区域的发光参数不大于所述LED发光参数第一阈值信息时，则获取对应的LED安装位置，并根据所述对应的LED安装位置生成相关的预警信息。

6.基于数据感知的LED智能控制装置，其特征在于，所述装置包括存储器以及处理器，所述存储器中包括基于数据感知的LED智能控制方法程序，所述基于数据感知的LED智能控制方法程序被所述处理器执行时，实现如下步骤：

构建数据感知网络，通过所述数据感知网络获取目标区域的感知数据信息；

通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据所述内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

基于所述外部因子数据以及所述目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

根据所述LED在预设区域的发光参数生成相关的调控参数，通过所述相关的调控参数进行调控；

构建数据感知网络，通过所述数据感知网络获取目标区域的感知数据信息，具体包括：

通过在目标区域设置若干环境感知设备以及信息传输设备，并初始化数据感知网络中信息传输设备的数量信息，通过对所述环境感知设备进行信息传输速率模拟，获取每个信息传输设备的信息传输速率；

统计所述信息传输设备的信息传输速率，获取平均信息传输速率，设置平均信息传输速率阈值，融入粒子群算法，并设置迭代代数，并判断所述平均信息传输速率是否小于平均信息传输速率阈值；

当所述平均信息传输速率小于平均信息传输速率阈值，将所述信息传输设备的数量信息根据所述迭代代数进行均匀增加，并生成新的信息传输设备的数量信息；

根据所述新的信息传输设备的数量信息计算出平均信息传输速率，当所述平均信息传输速率大于所述平均信息传输速率阈值时，停止迭代，输出新的信息传输设备的数量信息，并根据所述新的信息传输设备的数量信息构建数据感知网络。

7.根据权利要求6所述的基于数据感知的LED智能控制装置，其特征在于，根据所述LED在预设区域的发光参数生成相关的调控参数，具体包括：

预设LED发光参数第一阈值信息以及第二阈值范围信息，并判断所述LED在预设区域的发光参数是否大于所述LED发光参数第一阈值信息；

当所述LED在预设区域的发光参数大于所述LED发光参数第一阈值信息，进一步判断所述LED在预设区域的发光参数是否在第二阈值范围信息之内；

当所述LED在预设区域的发光参数不在第二阈值范围信息之内时，根据所述第二阈值范围信息以及LED在预设区域的发光参数生成相关的调控参数；

当所述LED在预设区域的发光参数不大于所述LED发光参数第一阈值信息时，则获取对应的LED安装位置，并根据所述对应的LED安装位置生成相关的预警信息。

8.基于数据感知的LED智能控制设备，其特征在于，包括：

获取模块，构建数据感知网络，通过所述数据感知网络获取目标区域的感知数据信息；

第一分析模块，通过大数据获取影响LED发光参数的内部因子数据以及外部因子数据，并根据所述内部因子数据预测LED在内部因子数据影响之下的实时发光参数；

第二分析模块，基于所述外部因子数据以及所述目标区域的感知数据预测LED在外部因子数据影响之下的实时发光参数，并通过对LED的发光特性进行模拟，获取LED在预设区域的发光参数；

调控模块，根据所述LED在预设区域的发光参数生成相关的调控参数，通过所述相关的调控参数进行调控；

构建数据感知网络，通过所述数据感知网络获取目标区域的感知数据信息，具体包括：

通过在目标区域设置若干环境感知设备以及信息传输设备，并初始化数据感知网络中信息传输设备的数量信息，通过对所述环境感知设备进行信息传输速率模拟，获取每个信息传输设备的信息传输速率；

统计所述信息传输设备的信息传输速率，获取平均信息传输速率，设置平均信息传输速率阈值，融入粒子群算法，并设置迭代代数，并判断所述平均信息传输速率是否小于平均信息传输速率阈值；

当所述平均信息传输速率小于平均信息传输速率阈值，将所述信息传输设备的数量信息根据所述迭代代数进行均匀增加，并生成新的信息传输设备的数量信息；

根据所述新的信息传输设备的数量信息计算出平均信息传输速率，当所述平均信息传输速率大于所述平均信息传输速率阈值时，停止迭代，输出新的信息传输设备的数量信息，并根据所述新的信息传输设备的数量信息构建数据感知网络。