我國專賣店照明的能耗預測模型與主觀評價研究

蔡宙燊， 張 昕， 張宇濤

(1.清華大學建筑學院，北京 100084；2．廣東三雄極光照明股份有限公司，廣東 廣州 511495)

?

我國專賣店照明的能耗預測模型與主觀評價研究

蔡宙燊1， 張 昕1， 張宇濤2

(1.清華大學建筑學院，北京 100084；2．廣東三雄極光照明股份有限公司，廣東 廣州 511495)

專賣店的照明能耗在其室內總能耗中占最大比例。對其照明現狀的分析梳理，對于優化專賣店的照明設計具有重要意義。基于實測數據和主觀評價，本文對全國173家專賣店的照明現狀進行統計分析，建立了照明能耗模型。研究表明，我國專賣店照明具有較大節能潛力。

專賣店；照明能耗預測模型；照明節能；照明造價；視覺滿意度

引言

專賣店是專業經營某一品牌商品的零售商店。因其主要經營單一名牌特色精品，既有利于促銷又受到相當部分固定消費者的歡迎，包括生產廠商自己設置的和廠商授權的特許經營店[1]。我國專賣店2013年年末零售營業面積為477.8萬m2，從業人數16.1萬人，總店數量318個，門店數量26 113個，商品銷售額1 582.7億元[2]。在西方國家，零售建筑能耗在服務業領域中是占比最高的，約占總建筑能耗的21%[3-4]。照明在零售建筑能耗中占比最高，在美國約占30.1%[3]，在英國約占34.0%[4]。根據預測，中國商業照明需求的年均增長率為5.9%，總量將從2002年的1 587萬億lm/h增長為2020年的4 462萬億lm/h。由于缺少我國基本的零售照明數據，很難明確掌握目前在宏觀層面的具體情形[5]。國內研究主要針對專賣店的照明設計：梅劍平[6]指出家具專賣店中喜好性氛圍與場景光分布均勻性、亮部集中區域有關；王丹[7]指出專賣店照明常用三類光源(陶瓷金鹵燈、節能燈、低壓鹵鎢燈)中陶瓷金鹵燈的照明質量和光源節能為最優；袁樵[8]提出專賣店櫥窗的照明設計手法。國外研究更關注能耗：Einsporn等[9]指出LED、熒光燈、節能燈、白熾燈的能耗差異；Lee等[10]指出高效的照明系統、暖通空調、冷藏設備等可將臺灣便利店的能耗降低26%；Jaber等[11]指出在約旦能耗偏高歸咎于夏天過度照明和大量使用空調；Lam等[12]指出在亞熱帶地區的購物中心，空調和照明占建筑能耗的85%。

本文旨在通過對全國各地173家專賣店的分析，從客觀數據和主觀評價兩方面探討我國專賣店的照明特征，建立專賣店照明能耗的數學模型，挖掘節能潛力，探討客觀參數與主觀視覺滿意度的關聯方式。

1 研究方法

1.1 數據采集

本文的實測數據來源于全國各地173家專賣店，約占全國專賣店總門店數的0.66%。樣本取自全國32個地級市，在東部、中部、東北及西部均有分布，其中東部樣本占總數的48.0%，西部樣本占總數的34.1%，東北樣本占總數的5.8%。調研內容和方法如表1所示。

表1 調研內容與調研方法Table 1 Lighting topics and methods

對幾項關鍵數據作如下解釋：

1)開敞空間水平照度。開敞空間指在一個標準柱網單元內無貨架、柜臺等遮擋的空間。開敞空間水平照度為每家店三處開敞空間水平照度平均值的平均值(不按面積加權)。

2)典型貨架照度。選取具有代表性的貨架，測量貨架之間通道的水平照度，并計算水平照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置水平照度和水平照度均勻度；以上通道處貨架實測低(0.2 m)、中(1.0 m)、高(2.0 m)三個位置的垂直照度，并分別計算垂直照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置垂直照度和垂直照度均勻度。

3)主觀問卷調查。主觀評價采用問卷調查法，每個專賣店隨機委派三個照明從業人員作為評價人，并且各專賣店的評價人不重復。在不知道實測數據的前提下，評價人走遍專賣店，填寫調查問卷得到主觀評價數據。

1.2 分析方法

采用SPSS軟件對數據進行統計分析。采用Matlab軟件建立能耗預測模型。

1)神經網絡。

目的：生成能夠指導實踐的能耗預測模型，適用于本研究中離散度高且分散趨勢不明確的樣本。

方法：將單位面積照明造價和開敞空間照度平均值作為輸入變量，將照明功率密度(LPD)作為輸出變量，采用BP神經網絡進行建模，通過對網絡的訓練，達到照明功率密度與單位面積照明造價、開敞空間照度平均值的關系映射。

2)因子分析。

目的：理清主觀評價與客觀數據之間的關系。

方法：本研究采用的六個五點法主觀變量之間中等相關或強相關，經由因子分析，以綜合主成分“整體視覺滿意度”代表主觀變量。

2 我國專賣店的照明現狀

通過對客觀數據的統計分析，整理我國專賣店照明樣本的代表性指標如表2所示。

如圖1的頻率分布所示：照明功率密度多集中在40 W/m2左右，也有一部分店高達150 W/m2；單位面積照明造價為26元～500元，均值為92.25元；開敞空間水平照度、典型貨架位置水平照度/垂直照度多集中于400 lx～700 lx，也有一部分店達到1 300 lx以上。

根據圖2所示的統計數據，從地域性差異角度來看：對于照明功率密度(LPD)，東部區域有較多高能耗樣本；對于單位面積照明造價，東部/西部區域的平均值高于中部/東北區域；對于開敞空間的水平照度，東北區域明顯高于東部/中部/西部區域。

表2 專賣店照明代表性指標調查結果Table 2 Overview of typical survey results in speciality stores

圖1 專賣店照明代表性指標調查結果的頻率分布圖Fig.1 Frequencies and distributions of typical survey results in speciality stores

圖2 照明功率密度、單位面積照明造價、開敞空間水平照度的地域性特征Fig.2 Comparisons of light power density, lighting cost/unit area, and horizontal illuminance(open space) between four regions

使用Kruskal-Wallis檢驗[13]判斷各個區域之間是否具有差異性，其秩如表3所示，檢驗如表4所示。

表3 秩Table 3 Sum of ranks

表4 Kruskal-Wallis檢驗Table 4 Kruskal-Wallis test

注：a——Kruskal Wallis 檢驗；b——分組變量: 地域。

由表3和表4可知，照明功率密度和開敞空間的水平照度平均值存在地域性差異，單位面積照明造價不存在地域性差異。

3 能耗預測模型

單位面積照明造價與開敞空間照度平均值是專賣店照明設計的重要因素，故以二者為輸入變量，以照明功率密度為輸出變量建立BP神經網絡[14-15]模型。本研究采用試湊法，在多次訓練中選取擬合性能和推廣性能均較好的網絡作為神經網絡預測模型，結構如圖3所示，參數如表5所示。

圖3 BP神經網絡結構Fig.3 Structure of BP neural network

研究選取75%的樣本進行網絡訓練，15%的樣本進行網絡參數的自主修正，另外15%的樣本則用于檢測。其訓練結果如圖4所示，BP網絡擬合值與實際LPD值的比較如圖5所示，得到的殘差圖[15]如圖6所示。網絡誤差下降梯度 (gradient)為0.059 9，網絡收斂的均方誤差為0.075，網絡整體預測值與目標值的接近程度為77.6%，修正過程預測精度 54.4%，測試過程的接近程度為87.8%，總體的接近程度為76.4%。

表5 BP神經網絡參數設置Table 5 Parameter setting of BP neural network

圖4 BP神經網絡訓練結果Fig.4 Results of BP neural network train

取置信區間為95%，由圖6可以看出BP神經網絡擬合的標準化殘差只有8個異常值不在[-2，2]的區間上，其他均在[-2，2]隨機波動，且沒有明顯的趨勢，故而BP神經網絡建模結果成立。使用該模型進行預測，當單位面積照明造價為100/200/300/400元、開敞空間照度平均值為300 lx～1 100 lx時，預測的照明功率密度值如圖7所示。照明功率密度值隨開敞空間照度提升而呈現的變化趨勢，與單位面積照明造價密切相關。

圖5 BP網絡擬合值與實際LPD值Fig.5 Fitting LPD results on BP neural network and the real LPD

圖6 殘差圖Fig.6 Residuals plot

圖7 照明功率密度預測值Fig.7 Predicted value of lighting power density

4 主觀評價與客觀變量之間的相關性研究

4.1 針對照明充足度/均勻度的主客觀變量相關性研究

主觀評價變量——地面照明充足度、地面照明均勻度、商品照明充足度和商品照明均勻度，對應的客觀參數包括開敞空間水平照度與均勻度U1、典型貨架位置水平照度與均勻度U1、典型貨架位置垂直照度與均勻度U1。其相關性檢驗結果如表6所示。

表6 照明充足度/均勻度主觀變量與客觀變量的相關性檢驗表Table 6 Correlation test between subjective variables and objectivevariables on illumination adequacy and uniformity

注：**——在0.01水平(雙側)上顯著相關。

觀察表6可知：地面照明充足度與開敞空間的水平照度平均值、典型貨架位置水平的照度平均值均為正的弱相關；地面照明均勻度與開敞空間的水平照度均勻度U1、典型貨架位置的水平照度均勻度U1均為正的極弱相關；商品照明充足度與典型貨架位置的垂直照度平均值不相關；商品照明均勻度與典型貨架位置的垂直照度均勻度U1為負的弱相關。

4.2 主觀評價變量的主成分分析

通過對主觀評價變量之間的相關性分析得知，其Pearson相關系數多在0.5～0.7之間，兩兩之間中等相關或強相關，可見初始主觀評價變量作為評價指標存在一定的信息重疊，需對主觀變量進行主成分分析[16-17]。本研究采用SPSS的因子分析實現主成分分析，初始因子荷載矩陣如表7所示。

表7 初始因子荷載矩陣Table 7 Component Matrix

注：a——已提取了1個成分；b——提取方法:主成分。

將初始因子荷載矩陣中的每列的系數(主成分的荷載)除以其相應主成分的特征根的平方根后，得到主成分系數向量(主成分的得出系數)為

(1)

將得到的特征向量與標準化后的數據相乘，得到第一主成分(整體視覺滿意度)函數的表達式為

Z1=F11·zX1+F12·zX2+F13·zX3+

(2)

由于只有一個主成分，因此綜合主成分得分等于第一主成分得分，即

(3)

綜合主成分包括地面照明充足度、地面照明均勻度、商品照明充足度、商品照明均勻度、整體視覺環境舒適度。因此，綜合主成分可被定義為“整體視覺滿意度”，作為新的主觀評價變量來描述主觀感受。

4.3 整體視覺滿意度與客觀變量之間的關系

整體視覺滿意度與各客觀參數之間的相關性檢驗結果如表8所示。

表8 整體視覺滿意度與客觀變量的相關性檢驗表Table 8 Correlation test between overall visual satisfaction and the related objective variables

由表8可見，整體視覺滿意度與照明功率密度、單位面積照明造價、典型貨架位置水平照度平均值、典型貨架位置垂直照度平均值、典型貨架位置水平照度均勻度U1不相關；與開敞空間的水平照度平均值為正的極弱相關；與典型貨架位置垂直照度均勻度U1為負的弱相關。

5 結論

綜上所述，如下結論對于我國專賣店的照明設計具有啟發意義：

1)我國專賣店的照明能耗處于較高水平，但對專賣店的主觀評價“整體視覺滿意度”與其照明功率密度不相關，因而具有較高的照明節能潛力。

2)照明功率密度和開敞空間水平照度平均值存在地域性差異，單位面積照明造價不存在地域性差異。照明功率密度的地域性差異主要與經濟發展水平相關，開敞空間水平照度水平的差異可能與地域文化差異相關，應因地制宜的研究照明節能策略。

3)根據能耗預測模型，在低照明造價(100元/m2)項目中，能耗較低，“亮的訴求”導致能耗的提升；在高照明造價(400元/m2)項目中，能耗較高，“亮的訴求”對能耗影響較小；在中等照明造價(200元/m2)項目中，能耗最高，“亮的訴求”對能耗影響較大，以600 lx為拐點先升后降，此類項目的節能潛力最大，應予以重點關注。

4)商品照明均勻度的主觀評價與典型貨架位置的垂直照度均勻度U1為負的弱相關；專賣店的典型貨架位置垂直照度均勻度越小，整體視覺滿意度越高。上述結論與照明設計的“常識”不符，但與梅劍平[6]的結論一致。照明均勻度的設計潛力需要更多的相關研究加以挖掘。

[1] 陸雄文.管理學大辭典[M].上海：上海辭書出版社,2013.

[2] 國家統計局.中國統計年鑒[J].北京:中國統計出版社,2014.

[3] JORDAN DK. Building energy data book: Department of Energy [EB/OL].(2016-05-02)[2011-11-09]. http://buildingsdatabook.eren.doe.gov.

[4] JORDAN DK. Building energy data book: Department of Energy & Climate Change, 2011, Energy consumption in the UK-Services sector energyconsumption[EB/OL].(2016-05-2)[2011-11-09].http://buildingsdatabook.eren.doe.gov.

[5] 吳夏冰,張昕. 我國購物中心的照明現狀與節能潛力評估[J]. 照明工程學報,2014,25(3):42-49.

[6] 梅劍平. 亮度、照度水平對家具專賣店氛圍的試驗研究[J]. 照明工程學報,2014,25(4):35-40.

[7] 王丹. 商店常用照明光源節能性及環保性研究[D].重慶：重慶大學,2006.

[8] 袁樵. 商業專賣店照明(一)[J]. 室內設計與裝修,2008,6:116-117.

[9] EINSPORN J A, ZHOU A F. The ldquoGreenLabrdquo: Power Consumption by Commercial Light Bulbs[J].Physics Teacher,2011,(6):365.

[10] LEE Haochuan, HSIEN Wender, LIN Jianyuan. Investigation of energy-efficient convenience store in Taiwan[C]//Proceedings of the 3rd Asian Conference on Refrigeration and Air-Conditioning Vols I and II.SOCIETY AIR-CONDITJONING & REFRIGERATING ENGINEERS KOREA-SAREK,2006:441-444.

[11] JABER JO, MOHSEN MS, SARKHI A A, et al. Energy analysis of Jordan’s commercial sector[J].Energy Policy,2003(9):887-894.

[12] LAM JC, LI DHW.Electricity consumption characteristics in shopping malls in subtropical climates[J].Energy Conversion and Management,2003(9):1391-1398.

[13] 張林泉. 多獨立樣本Kruskal-Wallis檢驗的原理及其實證分析[J]. 蘇州科技學院學報(自然科學版),2014,31(14501):14-16.

[14] 戴葵.神經網絡實現技術[M]. 長沙：國防科技大學出版社,1998.

[15] RIPLEY B D.Pattern recognition and neural networks[M]. 北京:人民郵電出版社,2009.

[16] 王敏. 殘差分析在統計中的應用[J]. 江蘇統計,2000(8):24.

[17] 郭顯光. 如何用SPSS軟件進行主成分分析[J]. 統計與信息論壇，1998(2):61.

[18] BRUCE Thompson.Exploratoryand Confirmatory Factor Analysis: Understanding Concepts and Applications[M]. American Psychological Association,2004.

Research on the Prediction Model of Lighting Energy Consumption and Subjective Evaluation of Speciality Stores in China

CAI Zhoushen1，ZHANG Xin1，ZHANG Yutao2

(1.SchoolofArchitecture,TsinghuaUniversity,Beijing100084,China;2.GuangdongSanxiongJiguangLimitedCompany,Guangzhou511495,China)

Lighting accounts for the largest proportion of the interior energy consumption in speciality stores. It contributes to the lighting design by analysing the lighting in speciality stores.According to survey data and visual estimation, it makes statistical analysis on the 173 speciality stores of China. And the prediction model of lighting energy consumption has built. The research shows that there is a great potential of energy saving in the lighting of speciality stores of China.

speciality stores; the prediction model of lighting energy consumption; energy saving of lighting; cost of lighting; visual satisfaction

國家自然科學基金面上項目(51478236)，亞熱帶重點實驗室開放基金(2015ZB14)

TU113.19+1

A

10.3969j.issn.1004-440X.2016.04.017