基于综合度量聚类的LED路灯控制系统自动组网方法研究及其应用

耿晓明，文玉梅，刘祥明

(1.重庆大学光电工程学院,重庆　400044; 2.重庆四联光电科技有限公司,重庆　400711)



基于综合度量聚类的LED路灯控制系统自动组网方法研究及其应用

耿晓明1,2，文玉梅1，刘祥明2

(1.重庆大学光电工程学院,重庆400044; 2.重庆四联光电科技有限公司,重庆400711)

随着近年LED路灯照明产业的蓬勃发展，结合物联网技术，LED路灯控制系统也在飞速发展.对于使用ZigBee通讯网络的控制系统，在其系统组网过程中，底层Mash网络的分簇一直靠人工进行，需要反复尝试，且控制效果不佳。本文从环境对ZigBee网络综合影响和聚类分析出发，提出一种基于综合度量聚类的LED路灯控制系统自动组网方法。实验和应用效果证明，在现场环境比较空旷的情况下，该聚类方法能够较好的根据路灯终端节点的分布和使用环境自动计算集中器的布局位置，可以有效降低系统组网难度，减少工作量和施工成本。

LED路灯；照明系统; 组网; ZigBee网络; 聚类分析

LED光源与传统照明光源相比，具有发光效率高、耗电量少、使用寿命长、安全可靠、环保等优点。目前，随着LED照明光源的发展，LED照明在传统照明市场的渗透率逐步提升，国家也积极推出各种优惠政策促进中国LED产业发展，作为政府主导的市政路灯照明成为LED的主要应用领域之一。LED光源的可控性较好，且由于政府对节能和管理方面的要求，结合物联网技术，诞生出LED路灯照明控制系统[1-2]，其典型结构如图1所示。

传统的LED路灯照明控制系统参照物联网的系统架构[3]，采用四层的分层结构，包括节点层、集中层、服务层和应用层[4-5]，其节点层和集中层分布在LED照明现场，而服务层的各种服务器和防火墙在服务器机房，应用层的配置客户端和操作客户端部署在控制室，应用层还提供Web接入以对系统进行控制。由于LED路灯控制系统的路灯覆盖面积可达几十甚至上百平方公里，其数量可达数万盏，导致ZigBee终端节点分布广，需要组网的ZigBee终端节点数量大。集中器将这些覆盖面广和数量巨大的ZigBee终端节点分割成一个个小的ZigBee子通讯网络，减小甚至消除ZigBee子网络相互之间的通讯干扰。通过集中器进行ZigBee子通讯网络分割的现场组网工作目前主要由工程人员根据地理环境进行，需要工程人员对照明现场地理环境比较熟悉，且劳动强度巨大，需要反复尝试，花费周期较长，同时工程人员的主观因素也会影响到集中器部署位置，从而影响LED路灯照明控制系统的最终控制效果。鉴于此，作者提出一种基于综合度量聚类的LED路灯控制系统自动组网方法，以降低劳动强度和组网周期，减少工程人员的主观因素。

1　LED路灯控制系统组网

在LED路灯控制系统中，对整个控制网络进行抽象，其网络结构，如图2所示。

图2　 LED路灯照明控制系统的网络结构Fig.2　Network structure of the LED streetlamp control system

图2中，Server表示服务器，E1,…,Ei,…,Em表示m个集中器，Ti_1,…,Ti_ni表示集中器Ei的Ni个终端节点。在此定义：

定义1给定n个终端节点的集合T，使用m个集中器将集合T划分为m个集合：

(1)

且m<

(2)

称这种集合划分的过程为LED路灯控制系统组网。

在此，需要一种方法找到覆盖T的m个覆盖区域，在覆盖区域内的合适位置安装集中器，使得区域内通讯效果较好，同时使不同区域之间的通讯干扰较小。本文以终端节点空间距离和通讯环境系数作为度量，用聚类分析方法，找出集合T的T1,…,Ti,…,Tm各个中心点作为集中器安装点。

2　LED路灯控制系统的综合度量聚类自动组网

2.1聚类分析

聚类分析[7]，其研究对象是大量的样品，根据“物以类聚”的原理，对样本进行分类的一种多元统计分析方法，能按各自的特性来进行无先验知识情况下进行合理的分类。聚类过程，将样本分类到不同的类或者簇，使得同一个簇中的对象具有较大的相似性，而不同簇间的对象有较大的相异性。聚类分析在不同的应用领域都得到了发展，常常用作描述数据、衡量不同数据源间的相似性以及把数据源分类到不同的簇中。常用的聚类分析方法主要有分裂法、层次法、基于密度的方法、基于网格的方法和基于模型的方法等。在本案例中，由于路灯控制终端的数量往往在较多的情况下，才需要采用自动计算的方法，如果采用分裂法和层次法等运算量较大，因此采用了k-medoids方法[6,8]。

聚类分析的核心要素，一方面是对象间的相似性度量，另一方面在于根据相似性度量搜索类或簇的过程。

2.2聚类组网

2.2.1相似度量

两个对象间的相似性常以距离来度量，距离越近表示两个对象相似性越高，反之，则相似性越低.假设有对象X=(X1,…,Xi,…,Xn)和Y=(Y1,…,Yi,…,Yn)，其中Xi和Yi表示对象X和Y第i分量，常用闵可夫斯基(Minkowski)距离函数度量X和Y间的相似性，Minkowski距离定义为

(3)

当p=1、p=2和p→∞时，式(3)分别表示曼哈顿距离、欧氏距离和切比雪夫距离。

由于终端节点在平面上的分布，可以采用欧氏距离来度量两个终端节点之间的空间距离，但是ZigBee节点有效通信距离还受到其它因数影响，如终端节点附近建筑、树木遮挡、城市热点WIFI和汽车等，在此引入环境综合因子α，以表征环境对终端节点ZigBee通信的影响程度。则任意两个ZigBee节点的距离度量，在此定义为：

(4)

同时，考虑到ZigBee节点有效通信距离不得超过一定值，则式(4)修正为：

(5)

式中，Threshold 表示最大有效通讯距离，用于限制簇的作用距离，在本案例中定义为1.2 km。

α的取值可以参考非视距链路损耗表达式：

(6)

其中，d0是近发射端的参考位置点，d为发送模块与接收模块之间的距离，PL(d0)是参考点处的链路损耗，为链路损耗指数，Xσ(dB)为阴影衰落，为零均值标准偏差为σ的高斯分布。

信道链路损耗与所处的环境、工作频段、工作距离有关，对于γ、σ、PL(d0=1m)，由于实际应用环境比较复杂，国内外有很多学者在各频段进行了大规模的测试，并对参数值进行了统计和分析[9-13]，Sohrabi等人[10]给出了各种不同近地传播条件下，800～1000 MHz频率范围内，带宽为200 MHz信号的测试结果。

表1　800～1000 MHz近地测量的平均路径损耗、阴影方差和参考距离的路径损耗范围[10]

从表1可知，茂密的树木对无线信号衰减影响是很大的。在路灯控制系统的实际安装环境中，有很多路段绿化较好，道路两旁树林较多，且树木高度与路灯高度相当，将路灯和路灯控制终端埋在树叶中，会导致无线信号衰减较大。同时，道路两旁的建筑也是影响通讯信号的一个主要因素。

而在IEEE802.15.4a信道模型[12]中，也给出了(2～10)GHz无线通讯各种传输环境下各种修正因子的测量值。其中户外场地的视距传输(LOS)情况下γ、σ、PL(d0=1m)分别为1.76、0.83、-45.6，非视距传输(NLOS)情况下分别为2.5、2、-73.0。

由于本算法无需对具体衰减值进行详细的求解，只需对信号衰减区域进行简单的划分。因此，综合考虑通讯模块参数、路灯间距以及路灯被树木遮挡的情况、附近建筑物的高度和密度等，结合上述测试数据，对α的取值进行了简单的分类，如表2所示。

表2　环境综合因子分档

对于道路两旁建筑物较密集且高度远高于路灯的环境不适合本算法。

2.2.2聚类算法

以式(4)定义的距离度量作为相似性度量，对终端节点进行分簇，设簇的中心节点为Ei，亦即集中器的安装位置，其数学描述为：

(7)

公式(7)表示从终端节点集合T中找到m个节点，及其m个不相交的终端节点子集合T1,T2,…,Ti,…,Tm，每个子集合Ti到Ei的相似度量之和使得DistTotal最小。

聚类算法流程，如图3所示。

图3　聚类算法流程图Fig.3　Flow chart of clustering algorithm

聚类算法的详细描述如下：

a. 设置起始簇数目m=1，及其最大迭代次数maxstep的初始值；

c. 按式(5)计算T中每个节点Tj与E每个元素Ei的距离度量，将Tj划分到具有最小距离值的Ei所在的簇中，从而形成m个簇；

e. 按式(7)计算距离之和dist；

f. 判断当前迭代次数大于等于大于最大迭代次数或各个中心不再变化，若是，则进入下一步，否则，进入步骤(c)；

g. 判断是否满足dist<∞，若不满足，则更新簇的数目m=m+1，进入步骤(b)，否则，进入下一步；

重复上述步骤，最终得到m个集中器的安放位置及其对应分簇。

3　仿真及实验

数据来源于重庆四联光电科技有限公司，取用重庆市北碚区高速路出口的464个LED路灯终端节点的安装位置，根据所在环境特征，其终端及其对应的综合因子α分布，如图4所示。

图4　终端节点及其综合因子分布Fig.4　Distribution of terminals and comprehensive factors

图4中，根据地理环境特征，将重庆市北碚区高速路出口分为3个区域：区域#1，以街道为主，因为绿化较好，树木遮挡较多，有部分灯具甚至藏在树中，故区域内所有终端节点的α=0.70；区域#2，以高速立交桥为主，树木遮挡较少，故区域内综合因子取值α=0.90；区域#3，有一定程度的树木遮挡，在此区域内综合因子取值α=0.80。

根据上述终端节点及其综合因子分布，分别按欧氏距离和综合距离度量的聚类结果，如图5所示。

图5　欧氏距离(a,b)和综合距离(c,d)度量的聚类结果Fig.5　Calculations of clustering algorithm with Euclidean distance (a,b) and comprehensive distance (c,d)

图5中，(a)表示欧氏距离的聚类结果，(b)表示其每次迭代的总的距离；(c)表示考虑综合因子后的聚类结果，(d)表示其每次迭代的总的距离.两种不同度量的聚类结果都收敛，但是其形状和中心不相同。

欧氏距离作为聚类相似性度量具有一定的合理性，但是没有考虑到环境的综合影响，而综合距离作为相似性度量进行聚类，在一定程度上弥补了这一缺陷，满足通信环境较差(α取值较小)的区域放置更密集的集中器，在环境不是很差(α取值较大)的区域集中器放置更为稀疏，集中器的安放位置更贴近现实工程情况。

4　结论

本文从LED路灯控制系统底层Mash网络组网出发，研究其在环境影响下的自动化组网方法，结合聚类技术，进一步提出基于综合度量聚类的LED路灯控制系统自动组网的方法，实验结果说明，此方法提高工作效率的同时，降低了劳动强度和工作周期，改变了以往完全依赖人工组网的状况，同时能够反映出环境对组网和集中器安装位置的影响.由于文中只考虑到地形较为平坦和建筑物不是很高的LED路灯环境，下一步将研究非平坦地形和高大建筑影响下的LED路灯控制系统组网方法。

[1] PAN Meng-Shiuan, YEH Lun-Wu, CHEN Yen-Ann, et al. A WSN-Based Intelligent Light Control System Considering User Activities and Profiles[J]. Sensor Journal, 2008, 8(10):1710-1721.

[2] BELLIDO-Outeirino F J. Building lighting automation through the integration of DALI with wireless sensor networks[J]. Consumer Electronics, 2012, 58(1): 47-52.

[3] 朱洪波,杨龙祥,于全. 物联网的技术思想与应用策略研究[J]. 通信学报,2010, 11(31)：2-9.

[4] 王林玉. 面向智慧城市建设的道路照明监控管理系统研究与开发[D]. 杭州：浙江大学, 2013.

[5] 陈凤贤. 基于多智能体技术的路灯节能控制系统的研究[D]. 广州：华南理工大学, 2013.

[6] PARK, Hae-Sang, JUN Chi-Hyuck. A simple and fast algorithm for K-medoids clustering[J]. Expert Systems with Applications，2009(36):3336-3341.

[7] LIANG Bai, Liye LIANG, CHAO Sui, Chuangyin Dang. Fast global k-means clustering based on local geometrical information[J]. Information Sciences，2013(245): 168-180.

[8] MARIA Camila N. Barioni, HUMBERTO L. Razente, AGMA T, et al. Accelerating k-medoid-based algorithms through metric access methods. The Journal of Systems and Software，2008(81):343-355.

[9] JOSHIGG, DIETRICH C B, ANDERSON C R, et. Near-ground channel measurements over line-of sight and forested path[C]. IEEE Proceedings of Microwave Antennas Propagation, 2005, 152(6):589-596.

[10] SOHRABIK, MANRIQUEZB, GREGORY JP. Near ground wideband channel measurement in 800-1000 Hz[C]. IEEE Vehicular Technology Conference, 1999, 1: 571-574.

[11] 沈杰,姚道远,黄河清,等. 野外地表无线传感器网信道传播模型的测定与分析[J]. 光学精密工程, 2008，16(1)142.

[12] MOLISCH A F, BALAKRISHNAN K, CASSIOLID, et al. IEEE 802.15.4a channel model-Final report[R/OL]. (2016-02-08)[2009-05-03].http://wenku.baidu.com/view/75fd7cfafab069dc50220196.html.

The Research and Application of an Automatic Networking Method Based on Cluster of Comprehensive Measuringfor LED Lighting Control Systems

GENG Xiaoming1,2, WEN Yumei1, LIU Xiangming2

(1.The College of Optoelectronic Engineering,Chongqing University, Chongqing400044, China;2.ChongqingSilianOptoelectronicScienceandTechnologyCo.LTD,Chongqing400711,China)

In recent years, the LED street light control systems have developed rapidlywith the vigorous development of LED lighting industry and IoT(the Internet of Things) technology.For the systems using ZigBee communication Mash network, clustering is difficult and not cost effective because of the man-hours needed for multiple attempts at proper placement of concentrators. This paper provides a networking method usinga clustering algorithm analysis based on comprehensive environmental factors, such as spread distance, location of lighting, etc., which can automatically calculate installation positions of concentrators. We’ve used this method on manyactual projects and it has proved to make the network processing easier and reduce engineering cost in an open landscape.

LED street lamp; lighting system; networking; ZigBee network; cluster analysis

国家863项目(2013AA03A118)；重庆市科技攻关计划项目(cstc2012gg-yyjsB50003)

耿晓明，E-mail：gxm771208@126.com

TP181; TP301.6

ADOI:10.3969/j.issn.1004-440X.2016.05.022