智慧城市照明监控系统构建中数据挖掘技术的运用

李宗辰 李东燕

1 长春金融高等专科学校现代教育中心（吉林 长春 130012）

2 吉林省农业广播电视学校辉南县分校（吉林 通化 135100）

0 引言

城市照明很容易被忽视。有公开资料显示，城市照明用电量占到社会用电总量的10%左右，而其中有35%左右的电量被浪费。城市照明用电量大，而且浪费较多。因此，有必要建立城市照明监控系统，对城市照明灯具实现更加智能化、智慧化的管理，最大限度优化城市照明，在保证照明需求的基础上，减少用电量，达到节能环保的效果。在构建城市照明监控系统的过程中，需要有效应用一些先进技术，如数据挖掘技术。基于数据挖掘技术，可实现对城市照明数据的综合分析，实现监控系统的相应管控功能[1]。

1 城市照明监控系统构建的意义与功能需求

1.1 构建意义

2004—2013年，我国城市道路照明灯具数量从1 055万盏上升到2 199万盏。时至今日，这一数字仍在进一步加大。数千万盏照明灯具，电量消耗巨大。从当前城市照明管理看，处于较为分散、混乱的情况，没能构建统一的监控系统，实现城市照明的集中管理，这就导致不少地方的照明灯具使用不合理，在很多无人时段长时间亮灯，虽消耗了电量，却没有发挥实际的作用。因此，建立城市照明监控系统，统一管理城市照明，具有十分重要的现实意义。

具体而言，建设城市照明监控系统，能起到多方面的积极作用[2-3]。（1）能切实掌握城市照明的具体情况。通过建立照明监控系统，可以将城市照明灯具纳入监控，有助于掌握与了解城市照明灯具的整体情况。（2）能对城市照明实现整体控制。城市照明需要依据实际情况进行调整，让照明功能发挥更加合理。监控系统的构建，有助于逐步摸清各个区域的具体照明需求和变化规律，从而对照明实现针对性控制。（3）可以推动智慧城市建设。智慧城市的建设，需要在各项城市服务与功能上实现智慧化构建。智慧照明也是智慧城市的一部分，通过建立照明监控系统，实现照明的智慧控制，可为智慧城市建设起到添砖加瓦的作用。

1.2 功能需求

构建城市照明监控系统，需要明确其基本功能需求。具体而言，城市照明监控系统所需具备的功能，应该包含流量分析、远程控制、故障报警、防盗报警、自动抄表等。（1）流量分析，即对灯具照明区域内的人流量或车流量展开分析，根据流量的多少，自动调节照明亮度。流量越大，照明亮度应越大；流量越小，照明亮度就应适当减小。（2）远程控制，即对照明亮度、开关等进行的远程操作，基于监控系统，直接远程控制灯具的亮度[4]。（3）故障报警，能在照明灯具发生故障时，自动向监控系统反馈信息，监控系统发出警报，并将故障警报发送到相关设备端，以供维修人员了解具体信息。（4）自动抄表，则是可以对照明灯具的电量消耗实现自动抄表，统计用电数据并回传系统，实现数据的自动整理，从而使相关人员了解城市照明所消耗的具体电量。

2 数据挖掘技术流程及技术优势

数据挖掘技术，即针对数据展开的分析、解析等相关技术，核心作用在于发现数据内部的规律、关联、价值等，为相关决策提供直观的数据支持和参考。数据挖掘技术有多种不同的类型，目前的主流技术类型包括决策树、遗传算法、神经网络等。对于数据挖掘技术的运用，在基本流程上大致相似，具体如下。

2.1 技术流程

不同数据挖掘技术的运用流程大致相似，都是从大量信息中，挖掘出目标信息，并且对其展开分析。在实现技术利用的过程中，主要会涉及以下技术流程。

（1）数据搜集。要挖掘数据，需要先搜集相关数据。对数据的搜集，可以基于不同渠道、方法及需求，设定相应的标准，筛选符合特征的信息数据，并建立数据池，将搜集到的数据汇总。（2）数据集成。数据搜集整理完成后，还需要集成处理，即依照格式、属性、来源等整理信息，按照格式、属性等进行归类，为后续的数据挖掘处理奠定基础。（3）数据清理。此阶段即对整理后的数据进行处理，将不完整、真实性不高、属性值缺失的数据，从数据池中清理出去，将完整、真实、可信的数据保留下来。（4）数据变换。清除无用信息，留下可用信息之后，需要对数据进行变换处理。原始数据往往不能直接展开数据分析，需要依照一定的条件处理之后，使其达到一定的要求才能用于分析。（5）数据挖掘。对于变换后的数据，需要基于具体的数据挖掘技术，如决策树、神经网络等展开数据挖掘，得出具体的“御用”数据。（6）评估结果。对于挖掘处理得到的数据，需要评价其可信度、正确性。（7）结果表示。利用具体、可视的形式，如图片、表格、程序等展示结果。

2.2 技术优势

数据挖掘技术具有显著的技术优势。（1）能处理大量数据。在社会不断发展的背景下，各行各业产生的数据越来越多，数据量逐渐增大，这就让数据挖掘技术有了用武之地，可以对行业数据实现处理挖掘，发挥这些信息数据的价值。（2）适用性强，能在诸多行业中发挥作用，没有明显的行业限制。因为数据挖掘的对象就是数据，对于行业性质的限制比较小，所以在城市照明监控系统的构建中，数据挖掘技术具有很强的适用性。

3 数据挖掘技术在城市照明监控系统构建中的运用

在具体实践中，需要关注数据挖掘技术整体的系统构成，并把握数据挖掘技术在具体功能上的运用。

3.1 系统架构

对于智慧城市照明监控系统，在系统架构上，需要其具备数据采集、处理、控制、运行管理、状态监测等方面的功能，并且要能实现实时监测、控制和调度管理等。需要采集监测的数据，主要包含电压、电流、功率因数、回路信息、开关量、光照度等相关数据。从具体的系统架构看，主要分为智能感知层、网络传输层与数据处理层三个层次，各层次具备的功能各不相同。

感知层，辅助数据的采集和输入，即在城市照明设备上设置各类传感器，采集电压、电流等数据，然后回传到监控系统。

传输层，传递数据的功能系统结构，其不仅负责数据回传，还涵盖了将系统数据指令下传到照明终端设备的功能，即实现数据的双向传递。传输层的网络构建，可以根据实际情况选择已经成熟的4G技术，也可以采用正在推广普及的5G技术。

处理层，是监控系统的核心大脑，其可实现对回传数据的分析与处理，实现能耗计算、状态分析、故障预警等多项功能，并且下传操作指令，对照明设备实现远程调度和控制。

3.2 系统实现

城市照明监控重点就是要通过采集城市照明系统的数据，并集中于城市管理部门的数据中心，以便于展开大数据分析，而数据挖掘技术作为大数据分析的核心，采用基于统计学的统计方法，对非随机抽样样本进行分析，以便得出更加科学的结论。

数据挖掘的运用重点是要先有正确的业务问题，然后利用手机的正确数据回答业务问题，上述系统框架本质上是一个IoT，即物联网，通过网络将机器与机器进行连接（M2M），并在加入大数据技术后，可实现人、事、物的互联互通。

在现有技术支持下，照明监控的前端以及传输网络组建相对简单，前端采用集成了调制解调器芯片、传感器和驱动器的智能终端设备即可，传输网络可基于4G网络甚至5G网络实现。相关建设研究不少，可提供参考借鉴。文章重点对处理层，即后台应用平台的搭建展开分析。后台应用平台应满足数据的存储与预处理，分布式计算、数据挖掘和成果展示。在现有技术条件下，可基于云计算、网格平台打造后台应用平台。（1）云计算的开源框架如Hadoop等可在大量计算机上运行，亦可作为海量数据的存储平台和并行计算或网格计算的平台。（2）云计算本身支持分布式计算，用于在云计算的相关自定义平台上可自定义处理海量数据的应用程序，实现支持大数据需求的分布式计算。（3）要实现大数据分析，数据挖掘算法成为最需要解决的问题，文章列举了数据挖掘算法，此处以决策树为例，决策树算法的核心为ID3，这种算法属于机器学习算法中的一类，分类决策树发扬了ID3的长处，实现用信息增益率选择属性，可对决策树构造进行剪枝操作，并对连续属性进行离散化处理，也可对不完整数据进行处理，但该算法不够高效，针对这些问题出现了K-means算法及其改进算法。（4）智慧照明监控要实现可视化（这是成果展示的关键），实现灵活多样的数据呈现形式，实现对数据跨平台的访问，并进行可视化分析，方便管理部门的决策。

3.3 具体功能运用

在智慧城市照监控系统中，从具体的系统功能看，最需要使用数据挖掘技术的环节是照明设备故障预警方面。城市照明设备的运行具有很强的规律性，依据规律设定好具体的参数之后，就可以在较长时间内不需要进行较大的调整。但是照明设备故障存在较大的随机性与偶发性，没有规律可循，无法提前采取措施，这就需要通过数据挖掘对照明设备故障加强预警，以便提前发现故障并处理。

对于智慧照明监控系统故障预警的构建，采用的数据挖掘技术以决策树技术较为适宜。决策树数据挖掘技术和故障诊断本身存在一定的相似性，该种技术能体现出更强的适用性。具体而言，决策树算法是基于流程图树结构对数据进行描述、分析和处理。基于照明监控系统的数据采集，经过决策树算法训练和测试，可生成基本的决策树结构，基于C4.5算法对树结构的分类规则予以描述，依靠生成的分类规则，达到系统预警功能。

具体运用流程如下。（1）数据的搜集和预处理。以某一具体的路灯设备为例展开说明，需要搜集的数据包含设备编号、设备运行状态、开灯与关灯时间、电流、电压、功率等。在预处理环节，剔除不适合用于分析的数据，如设备编号、开关灯时间等，保留电压、电流、功率等主要数据。（2）数据挖掘故障预警。基于C4.5算法，输入预处理之后的数据，根据之前训练得到分类规则，对数据进行挖掘处理，然后输出监控预警C4.5决策树模型。

4 结束语

近年来，我国经济发展非常迅速，城市化建设的速度很快，城市规模、人口、产业等发展迅速，这也同步带动城市基础照明规模不断扩大。基于数据挖掘构建智慧照明监控系统，需要相关人士形成认识，通过合理措施推进智慧照明监控系统的构建。