基于人員位置的室內智慧照明系統設計

， ，， ， ，

(1.蘇州科技大學 江蘇省建筑智慧節能重點實驗室，江蘇 蘇州 215009； 2.同濟大學 電子與信息工程學院，上海 201804; 3.中國科學院 上海微系統與信息技術研究所，上海 200050)

0 引言

隨著社會、經濟的發展以及城市化進程的快速推進，使得現代人類滯留室內時間的呈現快速增加的趨勢，其結果是我國電力需求迅速增長[1]。據統計，截至2016年，我國照明用電量較歷史數據大幅增加，達到全社會用電量的14%[2]。建筑節能方法多樣，諸如通過保溫材料的應用、結構設計等，但是這些方法都需要對現有建筑的使用產生一定影響，且對內部滯留人員存在健康的潛在威脅。如何在不影響建筑結構和室內人員舒適度前提下，提高照明能效已經成為當前的研究的熱點和難點，其中通過電氣設備的智能控制實現節能被認為是綠色節能的重要手段和方法之一。

當前，建筑照明的控制系統主要通過聲控、紅外線或觸摸等方式節能。相關研究、實驗結果均表明，這些系統存在時效性低、節能效果不佳、誤判率高和控制方式復雜度高等諸多可優化之處。針對上述問題，本文設計了一種基于藍牙[3-5]的人員位置的室內智慧照明系統，實現室內人員的實時定位，動態計算照明系統開關時間[6-7]，通過Wi-Fi等無線控制方法，實現建筑照明節能。

1 室內定位技術國內外發展現狀

基于GPS的室外定位系統已經日益成熟，定位精度達到分米級別。但是，當前我們的城市建筑，特別是現代建筑主要采用的都是鋼結構，由于電磁屏蔽的影響，室外的基站或者衛星信號很難到達室內，GPS系統的性能在室內應用中大幅度下降，以至于無法滿足定位精度的要求。

目前室內定位技術主要包括A-GPS、Wi-Fi、紅外線、RFID(射頻識別)、藍牙、超聲波、ZigBee、UWB(超寬帶)等。藍牙作為一種短距離的無線通信技術，因其抗干擾能力強、可集成性高、功能消耗小等優勢受到越來越多的關注。藍牙定位和其他定位技術相比，具有功耗小、使用方便等優點。藍牙定位比Wi-Fi定位更精確，在成本上比Wi-Fi更低，在功耗上比Wi-Fi更小；藍牙定位比ZigBee定位和RFID定位更方便。藍牙4.0技術的更新，使得藍牙設備的信號穩定性大幅增強，功耗顯著降低、覆蓋范圍更廣、傳輸速率更快、安全性更高，使得基于藍牙的定位技術比其他室內定位技術有了更多的優勢。

1.1 基于UWB的室內定位技術

2016年，包愷俊團隊研究了一種基于UWB的定位系統[8]。該系統利用TOA獲得距離，并利用圓周定位算法求解移動端坐標。該系統數據進行卡爾曼濾波，提高了定位的精度，并且將此系統運用于機器人餐廳服務。

2015年，蘇應敢團隊研究了非視距傳播的UWB算法。該系統通過變量替換和非線性轉換，引入松弛變量和搜索方法減小非視距傳播對定位精度的影響，提高定位算法精度[9]。

1.2 基于WiFi的室內定位技術

2016年，黃華晉團隊設計一種基于三角定位算法的WiFi室內定位系統。運用Android平臺，根據WiFi信號本身的特點，并結合三角定位算法開發此系統，提高了定位精度[10]。

2014年，郗萬新團隊利用WiFi在安卓平臺上實現精確定位。該系統對KNN算法的參數選取進行了改進，并利用加權平均法優化了定位算法。該系統提高了室內定位的精度[11]。

1.3 基于ZigBee的室內定位技術

2016年，侯啟真團隊通過三邊加權質心算法實現室內人員定位。該系統使用三角測量法減小定位區域，并通過測試距離影響大小設置的權重變量來計算未知節點的估計值，從而改進了定位算法，算法誤差小于傳統算法[12]。

2014年，杜月林團隊研究了基于ZigBee的RSS場景指紋定位法。該算法用RSS特定環境下的信息作為數據庫中的指紋信息，該算法最終能夠實現誤差在兩米以內的定位[13]。

1.4 基于藍牙的室內定位技術

2015年，卞合善團隊研究了低功耗藍牙定位技術。該系統改進了RSSI測距模型，從參數獲取的訓練過程、信號平滑過濾和最終定位階段這三個角度進行了優化。該系統實現了低功耗、高精度的定位[14]。

2012年，Mario Munoz-Organero團隊運用藍牙在應用層面上實現室內定位。系統利用應用程序級處理SDP服務記錄，實現1到3米左右的平均誤差，改善了BT參考基站之間的基本三角測量方法[15]。

1.5 性能分析

UWB定位技術功耗低、安全性高，但此技術傳輸速率低。

WiFi具有信號覆蓋范圍廣、數據傳輸速率高等特點。但WiFi技術定位精度與錨節點的數目之間相關性很大，為了提高精度有必要適時添加錨節點的個數，但這樣將會擴大數據庫，導致信息查詢速率變低，從而降低系統的實時性能。除此之外，若是定位環境產生變化，那么就必須建立全新的位置信息數據庫，如此將大大增加系統實施過程中的工作量，加大系統定位的難度。

ZigBee室內定位技術由于ZigBee基站和定位模塊普及率低、數據傳輸范圍較小、時延較長，使得該技術并沒有得到大面積推廣使用，一般只使用在工業傳感和智能家居方面。

藍牙設備體積小、功耗低、成本低、設備應用范圍廣，從而為基于藍牙的室內定位提供了技術優勢。在室內定位環境中安裝適量的藍牙基站，當定位端的藍牙設備開啟時，基站就可以自動收集定位端的藍牙信號數據，并通過系統運算獲得定位端的當前位置。藍牙4.0技術因其耗能低、范圍廣等優勢得到廣泛應用。

對于室內定位技術而言，應該具備設備簡單易布置、成本投入合理、定位精度高、設備抗干擾能力強等主要特性。綜合比較系統的可靠性、系統的建設成本以及定位的精度，WiFi定位和藍牙定位比其他的定位技術更加適用于實際生活中。對于藍牙來說，成本上比WiFi更低廉，所以本課題擬使用藍牙4.0的技術初步實現人員定位，并對藍牙信號波動較大的問題進行了改進，提高藍牙室內定位的精度。

2 系統總體設計方案

基于人員位置的室內智能照明系統主要由信標發射模塊、若干照明終端組群、分布式Wi-Fi網絡、服務器處理模塊和顯示與管理模塊構成。系統總體框架圖如圖1所示。如圖所示，照明設備中的信標發射單元周期發送照明信息，通過分布式Wi-Fi網絡，達到服務器端，服務器端程序通過智能算法，動態控制設備開/關或者其他運行狀態，同時將相關狀態顯示給目標客戶，使得相關方可以實時了解建筑電氣設備當前的運行狀態，以及使用的節能措施。

圖1 系統總體框架圖

圖1中的照明終端設備組群具體結構如圖2所示，包括藍牙檢測模塊、Wi-Fi通信模塊、光強傳感器及若干照明控制開關。每個照明終端包括照明設備和開關控制器。Wi-Fi通信模塊通過I/O口與開關控制器以及光強傳感器連接，負責控制開關控制器和采集光強數據。藍牙檢測模塊實時檢測周圍信標發射模塊的RSSI信號強度，并將所有采集的數據通過Wi-Fi通信模塊和分布式Wi-Fi網絡發送給服務器處理模塊。處理器模塊根據獲取的RSSI、Wi-Fi信號強度，使用機器學習方法，判斷出人員所在位置，根據位置信息，控制相關照明設備，在人員無意識、不影響滯留人員舒適度前提下實現綠色節能。

圖2 照明終端組群的結構示意圖

照明終端組群的工作流程如圖3所示，首先啟動照明終端，尋找并與最近的無線訪問接入點建立無線連接；接著實時檢測周圍的信標發射模塊的RSSI和光強數據；然后將這些信息打包上傳至服務器處理模塊，同時等待接收服務器處理模塊回傳的控制命令，并根據該命令控制開關控制器，以此控制光源的開關狀態。同時，每個無線接收點負責偵聽信道，若發現有控制信息，則接收消息，并根據服務器所發出的控制指令，執行相關操作，同時將反饋指令傳輸到服務器，這種握手機制保證了每個終端的準確控制。在上述過程完成后，每個階段繼續進入偵聽過程，如此重復。

圖3 照明終端組群工作流程圖

如圖4所示，服務器處理模塊包括依次連接的通信單元、中央處理單元和存儲單元。通信單元通過分布式Wi-Fi網絡與照明終端保持連接，負責接收各個照明終端以及光強傳感器的檢測數據和轉發至中央處理單元。中央處理單元與顯示與管理模塊以及通信單元連接，負責對數據進行分析處理，得到用戶的位置信息以及控制信息，并將這些信息寫入存儲單元進行存儲和發送至顯示與管理模塊用于實時顯示和人工管理。

圖4 服務器處理模塊的結構示意圖

服務器處理模塊中的中央處理單元的工作流程圖如圖5所示，具體為：

1)解析包含各個光源狀態信息、各個照明終端組群對應區域光強度信息、以及無線信標的列表及其RSSI的數據包，匯總數據，更加機器學習方法，判斷用戶目前的所在區域，為后續的操作奠定基礎。

2)若在其中一個照明終端組群光照設備附近發現一個三次RSSI檢測中兩次高于閾值的無線信標，且當前該照明終端組群中的光照強度低于設定值，則中央處理單元將生成光照設備的開燈控制命令，并將該命令傳送給通信單元讓其負責轉發至對應的照明終端組群。

3)將用戶的位置信息以及控制命令存入存儲單元，并將其輸出至顯示與管理模塊進行實時顯示。

顯示與管理模塊包括實時顯示單元和管理單元，實時顯示單元對服務器處理模塊輸出的數據進行實時顯示，管理單元用于人工管理，如添加或刪除該照明終端組群、添加或刪除照明終端、設置環境閾值、設置使用場景、設置判斷策略等。

圖5 中央處理單元工作流程圖

3 系統測試結果分析

測試場所為環境較復雜的辦公環境。在距離室內測量節點(信標發射模塊)1米至8米間每隔1米設置一個RSSI檢測模塊，一共8個測試點，每個點采集2 000個RSSI數據。

檢測區域示意圖如圖6所示，圓點O為RSSI檢測模塊，半徑為r米的圓內為開啟區，半徑為R米的圓外為關閉區，中間的圓環區域為緩沖區。當計算的距離在開啟區則打開照明系統，否則關閉照明系統。該系統的誤判率即為區域判斷出現誤差的概率。

圖6 檢測區域示意圖

(1)

然后通過高斯濾波選取高概率出現的RSSI值，再對其取算數平均值。RSSI服從高斯分布，它的高斯概率密度函數為：

(2)

其中:

(3)

(4)

可得:

P(μ-σ≤RSSIj<μ+σ)
=F(μ+σ)-F(μ-σ)
=φ(1)-φ(-1)=0.6826

(5)

其中:

(6)

(7)

(8)

圖7 RSSI與距離關系圖

通過將5米時出現次數較多的多個RSSI值設為閾值，計算得到的誤判率如圖8所示。由圖9可以看出，當將RSSI閾值設為-61 dBm時，系統測量誤判率最小，為1.14%。

圖8 閾值與誤判率關系圖

系統的燈亮的時間t與人員行走速度v、探測距離r、系統延時T、誤差引起的時間差值δ和人員滯留時間α有關，即:

(9)

式中，因為誤判引起的時間差值遠小于軟件系統設定的延時，所以δ可以忽略不計。滯留時間α是隨機數，其值不定。在不考慮人員滯留時間α的情況下，計算得到在人員以1.50 m/s的平均速度經過探測范圍時燈亮的平均時間約為25.33 s。因此，相較于目前常用的聲控燈(一般單次亮燈時間為30 s左右)，該系統可以節省約15.56%的照明電能。

4 結語

本文提出的基于人員位置的室內智能照明系統結合RSSI測距技術、Wi-Fi通信技術和自動化控制技術，使照明系統可以實時收集照明終端組群中的人員位置，且可以根據管理員的預先設定對收集到的數據進行智能化管理和分析，有效實現對照明系統的智能管理和控制。此外，該系統誤判率低、操作簡單、使用便捷，大大節約了電力資源，滿足現有需求。