魏 莎

（湖南环境生物职业技术学院，湖南 衡阳 421000）

0 引言

随着科技的不断发展，日常生活中出现越来越多的智能家居。这导致人们对家居的舒适性和个性化要求不断提高。尤其是家庭照明系统，智能调节灯光光照强度成了研究的热门话题。目前，通过技术手段提升产品和服务的品质是企业赢得竞争主动权的重要手段。一方面，传统的智能光照控制设备的使用和安装成本相对较高；另一方面，现有的家庭智能光照调节系统在智能控制方面只能控制系统的开关，不能根据用户需求进行个性化定制。

云端控制技术为智能光照控制系统的发展带来了新的思路。为了解决智能家居存在光照控制效果精确度较低的情况，该文提出了基于用户行为分析的光照调节系统设计。

1 基于用户行为分析的光照调节系统设计

人的行为需要特定的光照条件作为背景环境，因此在智能家居设计中需要识别用户的行为，以适时调节光照条件，为用户提供舒适的光照环境。在这个过程中，对用户的行为判别是前端输入，光照调节是系统输出。

1.1 基于用户行为分析的光照调节系统功能分解

通过探测人行走、坐和卧等姿态来识别室内人员的典型动作特征，同时搭配自适应的光照调节，从而实现室内照明与人员活动规律相匹配的目标。采用智能色温亮度控制，可以根据背景光照信息自动调节灯光的色彩和强度，为用户提供不同的感受。该文设计的智能照明系统，分为本地端、云端和移动端3个部分。本地端实现基础的灯具开关控制功能，同时作为信息采集终端采集灯具、用户和环境的信息。云端负责数据汇总以及分析，利用大数据处理技术概括用户形象，是用户行为分析的“大脑”。移动端设计为专用App，安装在用户的手机中，实现状态监测和遥控功能，为用户提供遥控操作功能。

根据客户使用灯具的数据信息并结合灯具的具体位置信息，通过云端计算总结该用户的照明习惯，将其作为光照调节的基本依据。再通过分析云端客户照明用电情况的大数据构建典型的灯具使用情况轮廓模型，并将其作为用户群体照明习惯的外在表现特征。

客户生活习惯决定了房间不同功能区的照明时长，因此在光照调节系统设计中将这些不常使用区域的灯具照度大约调制为240 lx，仅提供基本的照明；而其他用户频繁活动区域的灯具照度至少为300 lx，既可以照顾用户的使用习惯，又可以实现智能的控制能源消耗。云端分析根据不断产生的新数据迭代计算用户照明使用规律，完善光照调节系统的适用规则，形成动态化的自我更新，达到智能化完善灯具使用场景的目的。基于以上功能设计和技术原理，用户行为分析的光照调节系统设计如图1所示。

在图1中，由硬件设施采集用户行为，采集的信息包括心跳信息、体动信息、姿态信息、位置信息、用电习惯信息以及照度偏爱信息等。信息采集的方式主要有2种：1）通过穿戴式设备进行信息采集。2） 根据灯具使用情况的后台数据进行采集。

图1 基于用户行为分析的光照调节系统概略图

由HYM32F103ATBU微控制器作为控制CPU，选用BH1750光照度传感器作为传感器终端，以分布式方式采集房间内不同区域的照度值。将光照度传感器采集的数据、房间位置编码信息汇总在微控制器中，由微控制器结合行为判断结果所选定的照度方案来设定与行为活动相匹配的照明亮度数值，通过BP1360驱动器调节PWM输出，从而控制LED灯单元的亮度。

分析用户行为需要建立模型，在综合研判后台数据信息的基础上，通过分析房间内用户的体征数据来判断用户的行为和行为趋势，并将其作为光照调节的基本依据。环境信息则是室内的已有照度，其是自动调节的基准参数。

用户的行为属于离散型数据，具有单一个体特点明确、共性特征不明显的特征，需要抽取其中的典型行为构建基础行为词条，将其作为判断行为的条件。因此采用矩阵滤波的方式提取、分析用户的共性行为（建立二维矩阵（，），该矩阵表示用户的日常行为。其中，为用户的行为，为行为对应的灯光照度）。其次，采用 K-mediods 算法对矩阵进行滤波，建立用户兴趣聚类。最后，对聚类中相似元素进行提取，并对提取结果采用降序排序的方式构建最近邻集合S。根据最近邻集合的评分矩阵和用户行为元素间的相似度计算目标用户u对特定调控对象的预测照度，将其作为用户特定行为可能对应的光照度喜好值。按降序排列光照度喜好值的结果，则前几项即为用户对光照强度喜好的最优解。照度数值调控如公式（1）所示。

式中：S为目标用户对未调控对象的预调控数值；R为目标用户对所有对象的平均调控数值；sim（，u）为目标用户与u之间的相似性；R为客户对特定位置光照强度的当前值；R为客户对特定位置光照强度的期望值。

通过分析后台数据来研判特定用户的照明喜好特征，将其设定为最优环境的参数值，根据其当前的行为以及下阶段的行为趋势来调节各个灯具的照度，形成用户所在区域的理想光照条件，从而为用户提供最舒适的光照体验。调节灯光照度是实施环节，根据分析计算得到的每个灯具的设定参数来调节灯具的电流，实现室内照明环境自动调节的目标。

1.2 采集用户行为

系统主要由采集端和调节端组成，分别完成采集用户真实行为、采集环境数据以及调节管理灯具单元的工作。其中，采集端组成较为复杂，须采集用户体征数据和环境数据，调节端主要完成照度调节和色温调节工作，它是光照调节系统的执行终端。环境数据采集部分主要采集的环境数据包括声音、光照强度和温湿度。

在生理数据采集部分，以光电容积脉搏波的方式提取心率，以加速度传感器ADXL362芯片检测体动信号，通过蓝牙的方式将检测的数据发送到手机。在环境参数调节部分，所采用的控制方式为“一主多从”，主机和从机通过无线模块HC-12进行数据交互。

系统采用驻极体话筒传感器采集声音，光强度传感器采集每个房间等间隔点位的光照强度，采用HYM590温湿度传感器采集温、湿度，通过信息采集、汇总和编码等程序，将离散的分布信息传输到信号处理端。信号处理部分是以HYM32F103ZGT芯片为核心ARM处理器的模块化信息处理单元，以其丰富的对外接口和强大的扩展功能与房间中分布式的传感器、控制器相连，并将采集的各点位状态信息、设定数值以及工作参数汇总在控制表中，从而形成控制矩阵，进而完成信息的上行传输和下行管理工作。同时，控制器通过载波通信方式接入网络，与云服务器及手机App互联，交互信息并接收遥控指令。

PWM信号是实现灯光照明调节的核心功能，由HYM32F103ZGT作为核心单元的信息处理器控制，通过输出端口的编码设置发送给译码器电路，将其转换为PWM信号。为了提高信息处理器的带负载能力，保证灯具驱动的可靠性，笔者在译码器输出端增加HYM211运放电路作为驱动模块，实现2.25 V～18.00 V的宽范围电压输出，以控制灯具亮度 。

1.3 光照调节系统功能软件开发

用户行为拾取和特征分析是设计的重点，也是软件实现的主要内容。

用户行为是时间连续特征数据，因此采用固定采样频率的样值抽取方式提取特征数据，以判断用户行为。并根据采样时刻点的用户行为特征值（经归类判定后）确定行为类属，再选取照明方案。判定算法如公式（2）所示。

式中：（）为控制变量的输出；（）和（-1）分别为时刻和上一个时刻的偏差值；为系统的采样周期；K为比例系数；T为积分时间常数；T为微分时间常数；（）为1-时间段内的采样值。

用户行为数据是由用户身上的穿戴式设备、房间中的红外探测器以及位置传感器获取的。其中，穿戴式设备利用智能手机、智能手表以及健康手环等设备接收（蓝牙方式）用户的心跳速度、体动等信息。数据接收频率设定为1次/ min。红外探测器采集到的数据包括2个方面：1）用户的数量、位置信息；2）用户的体温信息。以红外辐射强度的强、弱定性来区分用户的活动状态，在睡眠或静思状态，由于身体活动进入平静期，体表温度低于平常水平，因此需要调暗灯光，营造休息环境；如果用户体表红外辐射特征强度高，代表身体处于活动状态，则需要调亮灯光，营造积极的亮环境。体表辐射的强度在一定程度上可以标定客户的活跃状态，可作为房间氛围灯的点亮条件，营造“活跃、运动、兴奋和狂欢”等灯光气氛环境，以适应用户的心情变化。位置传感器的工作原理是通过房间内3个传感器采集的人员位置信息，并利用“三角定位法”解算人员的真实位置。位置传感器的作用是定位人员位置，以该位置作为光照调节的中心，通过各个灯具的动态调节，使人员所在位置为最舒适的照度环境。以上3种传感器获取的用户行为数据是软件处理的基础，通过蓝牙接口导入处理器，并采用卡尔曼滤波，以穿戴设备的数据为主、温度信息和位置信息为辅，剔除干扰信号，保留下来的信息作为下一步行为分析的数据基础。

建立用户行为模型，以用户的穿戴设备数据为判断基础，以温度信息和位置信息作为附属条件。在心跳信息、体动信息以及姿态信息3个数据项中建立关联关系，形成3种状态的组合数据库。为降低运算量，对数据进行归一化处理。其中，心跳信息对比平时该用户的心跳记录，划分为快、正常和慢3个层级，体动信息划分为运动、行动和静止3个层级，姿态信息划分为行、坐和卧3个层级。经归一化处理后，数据规模大幅下降，仅剩27种组合。

同样，笔者也对温度信息进行数据归一化处理，将其划分为3种状态。需要根据房间使用性质的不同单独定义位置信息，例如座椅位置可定义为坐区，床位置可定义为卧区，运动器材位置可定义为运动区。

归一化公式如公式（3）所示。

式中：为用户行为习惯因子的数目；sim（u，u）为用户行为习惯的相似度；sim（u，u）为用户行为习惯因子之间的相似度。

在软件算法中，先对初步取得的27种组合进行融合分类，再将其与温度数据、位置数据结合，作为用户具体行为的评判依据。经过遍历条件分支判断，确定用户所处的状态，完成用户行为判断工作。

2 系统测试及结果分析

该文基于用户行为分析设计了光照调节系统，为了检验该系统是否能够对不同使用环境下的灯光进行精准控制，该文进行了系统测试实验。10组系统测试后所得到的数据见表1。

表1 测试数据

根据3种典型照明使用环境分别进行测试，即用户静态动作下的升亮度调节（1组～3组）、用户平缓动作下的稳亮度调节（4组～7组）以及用户大幅动作下的稳亮度调节（8组～10组）。为统一测试环境，背景光照强度控制为100 lx的暗环境，照明灯具为LED三色光源。用户的行为由同一试验人员完成，保证测试的基础条件一致。

经过测试可知，在不同激励条件下，光照调节系统都可以在较短时间内（最长为17 ms）稳定照明效果，为用户带来与行为配套的舒适照明体验。结果表明该文所设计的基于用户行为分析的光照调节系统能够在各种环境中下精准地控制灯光效果。

3 结语

该文利用用户行为分析设计了智能光照调节系统。该系统可以收集用户的使用习惯和在不同环境下的光照使用需求并对其进行分析，从而实现在不同环境下对灯光进行精准控制的功能。该文所设计的系统能够根据使用者的需求对环境灯光进行设置，同时保证灯光的稳定性，减少外界的干扰。由于时间原因，该文没有进行多次重复测试，因此还需要在今后的研究中不断完善该系统。