大数据分析在城市照明管理系统中的应用
基于大数据的道路照明运维模式研究
基于大数据的道路照明运维模式研究一、大数据在道路照明运维中的应用概述随着智慧城市建设的不断深入，大数据技术在城市基础设施管理中扮演着越来越重要的角色。
道路照明作为城市基础设施的重要组成部分，其运维管理的效率和质量直接影响到城市的整体形象和居民的生活质量。
基于大数据的道路照明运维模式，通过收集和分析海量的数据，能够实现对照明设施的精细化管理，提高运维效率，降低能耗，增强系统的可靠性和安全性。
1.1 道路照明运维的重要性道路照明不仅为城市居民提供夜间出行的便利，还关乎交通安全和城市形象。
随着城市规模的扩大和人口的增长，传统的道路照明运维模式面临着诸多挑战，如设施老化、能耗高、维护成本大、响应速度慢等问题。
因此，探索一种高效、节能、智能的道路照明运维模式显得尤为重要。
1.2 大数据技术的优势大数据技术能够处理和分析海量、多样化的数据，为道路照明运维提供强大的数据支持。
通过实时监控、故障预测、能耗分析等功能，大数据技术可以帮助运维团队及时发现问题、优化资源配置、提高决策效率。
二、基于大数据的道路照明运维模式构建构建基于大数据的道路照明运维模式，需要从数据采集、数据处理、数据分析、决策支持等多个方面进行系统规划和设计。
2.1 数据采集数据是大数据应用的基础。
在道路照明运维中，需要采集的数据包括但不限于照明设备的运行状态、能耗数据、环境参数（如温度、湿度、光照强度等）、故障记录、维护记录等。
通过安装传感器、智能控制器等设备，可以实现对照明系统的实时监控和数据采集。
2.2 数据处理采集到的原始数据往往需要经过清洗、转换、整合等处理过程，以提高数据的质量和可用性。
数据处理技术包括数据清洗、数据融合、数据压缩等，旨在从海量数据中提取出有价值的信息。
2.3 数据分析数据分析是大数据应用的核心。
通过对处理后的数据进行深入分析，可以发现照明系统的运行规律、故障模式、能耗特点等。
数据分析方法包括统计分析、机器学习、预测模型等，可以为运维决策提供科学依据。
智慧照明系统在智慧城市中的应用分析
智慧照明系统在智慧城市中的应用分析摘要：智慧照明是智慧城市应用单元系统，智慧照明基于一灯杆多功能为载体。
智慧城市、智慧电网等都是将物联网技术、人工智能技术、大数据技术等等技术相融合，有效整合通信基础设施资源和电力系统基础设施资源，提高电力系统、交通系统、安防系统、应急报警系统、充电桩系统的信息化水平，用户可以根据实际需求选择不同的应用子系统进行组合应用，智慧灯杆是遵循城市道路、街道分布，按照“共建共享”的理念，集各种前沿技术和应用于一身的新型信息基础设施。
关键词：智能化系统；联动技术；智慧照明；照明系统；智慧城市；智慧灯杆；智能网关；5G应用；用户体验；引言：近年来随着半导体照明产业的飞速发展，物联网通信技术的突破，软件技术加速迭代以及大数据业务的蓬勃兴起，智慧照明的产品开始逐渐丰富以及走向成熟，智慧照明的概念也逐渐被广大业主所接受。
随着相关项目大量开展，智慧照明在不同领域体现出了不同的特点，譬如在户外隧道照明、城市路灯、城市亮化等领域，应用智慧照明更多的以一个专业的子系统的形式存在，而在城市道路照明领域，愈来愈多的智慧照明项目和产品，开始与整个市政监控管理平台相结合，与市政中其他相关软、硬件产品紧密联系，成为了智慧城市的重要组成部分。
一、智慧照明系统组成基于网关路由将物联网技术、人工智能技术、大数据技术等设备连接形成一个闭环生态圈。
通过智能网关的智慧照明系统就是大数据应用和设备载体连接形成的物联网产物，而智慧照明系统由系统管理层、应用层、传输层、感知层等统构。
二、智慧照明系统架构设计理念2.1 节能降耗理念我国经济建设速度的不断加快，满足了建筑行业的发展需求。
在城市化建设过程中，工作人员需要意识到城市建设的发展方向，通过总结智能化技术的实际应用效果，在远程分析、远程评估的过程中发现存在的问题，有利于实现节能降耗的目标。
随着人们对电能、光能、地热能等能源需求的不断增加，工作人员也要实践节能降耗的思想及技术标准，消除资源浪费的问题，实现可持续发展的技术理念，有效提高相关资源的利用效率。
城市智慧照明管理系统建设方案
城市智慧照明管理系统建设方案随着城市化进程的加速，城市照明系统在保障交通安全、提升城市形象、促进经济发展等方面发挥着越来越重要的作用。
然而，传统的城市照明管理方式存在着诸多问题，如能源浪费、维护困难、智能化程度低等。
为了解决这些问题，建设城市智慧照明管理系统已成为城市发展的必然趋势。
一、城市智慧照明管理系统的需求分析1、节能需求城市照明系统的能耗在城市总能耗中占据一定比例，通过智能化控制实现按需照明，降低不必要的能源消耗，是建设智慧照明管理系统的首要需求。
2、管理效率提升需求传统的照明管理依赖人工巡查和维护，效率低下且难以实时掌握照明设备的运行状态。
需要实现远程监控、故障自动报警和精准定位，提高管理效率和响应速度。
3、智能化控制需求根据不同的时间段、天气条件和交通流量等因素，自动调节照明亮度和开关时间，提供更舒适、安全的照明环境。
4、数据分析需求收集和分析照明系统的运行数据，为优化照明策略、规划城市发展提供决策依据。
二、城市智慧照明管理系统的总体架构城市智慧照明管理系统主要由感知层、网络层、平台层和应用层组成。
1、感知层感知层由各类传感器和智能照明设备组成，如光照传感器、电流传感器、电压传感器等，负责采集照明设备的运行状态和环境信息。
2、网络层网络层主要包括有线网络和无线网络，用于将感知层采集的数据传输至平台层。
常见的网络技术有以太网、Zigbee、NBIoT 等。
3、平台层平台层是整个系统的核心，负责对数据进行存储、处理和分析。
通过大数据技术和智能算法，实现照明设备的远程控制、故障诊断和预警等功能。
4、应用层应用层为用户提供操作界面和服务，包括照明管理部门、维护人员和相关决策者等。
可以通过电脑端和移动端应用软件，实现对照明系统的实时监控和管理。
三、城市智慧照明管理系统的功能设计1、远程监控功能通过网络将照明设备的运行状态实时传输至管理平台，管理人员可以随时随地查看照明设备的开关状态、亮度、能耗等信息。
智慧照明在智慧城市建设中的应用研究
智慧照明在智慧城市建设中的应用研究山东鸿瑞照明科技有限公司 261000摘要：本文首先阐述了智慧照明，其次分析了智慧照明对于智慧城市建设的作用，第三分析了智慧照明在智慧城市建设中的具体应用，最后提出了智慧照明的发展建议，旨在为智慧照明在智慧城市建设中的有效应用提供理论指导。
关键词：智慧照明；智慧城市；城市建设引言随着社会化进程的持续推进，智慧城市建设对我国社会经济体系的促进以及人民群众生活满意度的提升具有重要意义。
而智慧照明作为智慧城市建设体系中的关键构件，在保障交通运营秩序与点缀城市文明之光等方面具有关键的推动作用。
智慧照明是信息革命与智能技术升级的产物，是基于照明系统的框架下，融合了物联网、大数据、互联网及云计算等系统，搭建成信息化、个性化、网联化的管理体系。
智慧照明在智慧城市建设中的引领性较为突出，不管是在实际应用中，还是在可视化的数字场景中，智慧照明利用对灯光的精准化、动态化管理，能够为智慧城市建设奠定坚实的基础。
1智慧照明对于智慧城市建设的作用1.1科学节能，减少政府财政开支随着信息化进程的不断推进以及网联程序技术的持续创新，智慧照明的含义也有所转变。
智慧照明主要通过新型的信息通讯与信号管理技术来掌握较为庞大的信息流，利用智慧照明能够实现全过程、全路段的监控，对各个通行道路两侧的路灯进行动态化的管控。
车流量较少的路段，可以将路灯的光照强度调弱，进而更好的实现节能减排。
智慧照明也具备数据汇总与数据存储的功能，能够精准的收集到各路灯的使用周期、维运状况、可用寿命等数据信息，从而使路灯得到更高效的使用，并对相关数据信息进行动态化、过程化的收集与管理。
1.2美化环境，满足市民出行需求在低碳经济模式下，人们在生态保护方面的要求变得愈加严格，对路灯的光照强度、交通线路运行状态等信息的精准性需求也不断提升。
智慧照明是智慧城市中拥有一定引领效能的现代化技术，能利用大数据与物联网对交通线路所在区域内的光线信号进行自动、科学的识别并剖析，结合环境温度、降水情况、空气水分含量、交通流量、路灯周围状况、夜间交通运行情况等展开动态化的监控与管理。
城市照明系统改造方案
城市照明系统改造方案1.背景介绍近年来，随着城市发展和居民生活水平的提高，城市照明需要更好地满足人们对于安全、舒适夜间环境的需求。
然而，传统城市照明系统存在许多问题，如能源浪费、光污染等。
因此，有必要对城市照明系统进行改造，以实现更高效、环保的照明效果。
2.能源节约方案(1) LED照明技术的广泛应用：将传统照明设备逐步替换为LED 灯具，LED照明具有能耗低、寿命长、光效高等优点，可显著减少能源消耗。
(2) 智能照明控制系统的引入：利用智能感应器、亮度调节器等设备，根据周边环境光线和人流情况，实现照明系统的自动调节，避免无谓能源浪费。
3.光环境改善方案(1) 光污染控制：通过合理设置灯具的光照方向、亮度和颜色温度等参数，避免光线向上散射和过度渗透，减少对周围环境的光污染。
(2) 绿色植物增加和景观照明相结合：在照明灯杆周围种植适宜的绿植，通过绿色景观的照明效果，提升城市环境的美观度和舒适度。
4.安全性提升方案(1) 夜间安全照明加强：在城市主干道、人流密集区域等重点路段增设照明设备，提供充足的照明亮度，确保行人和车辆的安全。
(2) 视频监控与照明联动：将安装在照明设备上的视频监控设备与智能照明控制系统相连接，实现照明和监控的联动，提高安全监控范围和效果。
5.智能化管理方案(1) 远程监控与维护：建立城市照明智能化管理平台，通过远程监控系统对照明设备的运行状态进行实时监测，及时发现故障并进行维护。
(2) 数据分析与优化：利用大数据分析技术，对城市照明系统运行数据进行收集和整理，为后续的照明系统优化提供数据支持。
6.经济效益分析通过上述城市照明系统改造方案的实施，可以有效降低能源消耗和维护成本，提升照明质量和整体城市形象。
虽然改造初期需要一定的投入，但长期来看，改造后的城市照明系统能够带来可观的经济效益。
7.总结城市照明系统改造方案需要综合考虑能源节约、光环境改善、安全性提升和智能化管理等多个方面因素。
智慧城市中智能灯光控制系统的研究与设计
智慧城市中智能灯光控制系统的研究与设计随着城市的不断发展和升级，智慧城市的建设正在逐步发展。
在智慧城市中，智能灯光控制系统起着至关重要的作用。
智能灯光控制系统能够提高城市的照明效果、减少能源消耗、提高人民生活质量，是实现城市智能化的重要组成部分。
一、智慧城市概述智慧城市是指通过应用先进的信息技术和物联网技术，集成城市基础设施、公共服务、商业服务、环境保护等多个领域的数据，实现城市规划、管理和服务的智能化，提高城市的可持续发展水平。
智慧城市可以分为智慧交通、智慧医疗、智慧环保、智慧能源、智慧安防和智慧灯光等多个领域。
智慧城市的建设需要依赖于大数据技术、物联网技术、人工智能技术等先进技术的支持。
智慧城市的建设可以提高城市的管理效率、促进社会和谐发展、提高人民生活质量，因此一直受到各个国家的重视。
二、智能灯光控制系统的作用智能灯光控制系统是智慧城市建设中不可缺少的一个重要环节。
它不仅可以控制城市的照明效果，还可以减少能源消耗，提高城市环境质量，使人民的生活更加便利和舒适。
1、优化城市照明效果智能灯光控制系统可以根据时间、天气、路况等多种因素进行智能调控，实现“智能化”照明，使城市的照明效果更好、更人性化。
2、节省能源消耗智能灯光控制系统可以根据不同的时间段和情景，进行灯光的智能控制，实现适度减少能源消耗的效果。
例如，在人流量较少的夜间，可以通过增加节能控制功能，来减少能源的消耗。
3、提升城市环境质量智能灯光控制系统中，灯控装置可以进行实时监控，及时修复照明故障，提高城市的照明品质，同时避免发生交通事故等意外事件，提高城市环境质量。
4、提高城市的智能化水平智能灯光控制系统可以实现远程控制与管理，通过智能手机等设备，快速地调用系统功能，实现对灯光效果的智能化操作，使城市的智能化水平有了较大程度的提升。
三、智能灯光控制系统设计方案智能灯光控制系统的设计，一般分为硬件环境设计和软件环境设计两个方面。
硬件方面主要包括：灯控器、路灯装置、图像传感器等硬件设备；而软件方面则包括：系统架构的设计、最优化的算法实现、优化的数据库存储等软件系统设计。
城市智慧照明建设技术标准
城市智慧照明建设技术标准一、引言随着科技的快速发展和城市化进程的加速，城市照明建设已成为城市基础设施建设的重要组成部分。
智慧照明的引入，使得城市照明不仅仅是满足基本的照明需求，还能实现节能、环保、智能化等功能，进一步提升了城市照明的质量和效率。
本标准旨在规范城市智慧照明的建设技术要求，为城市照明的智能化、绿色化提供指导。
二、术语和定义1. 城市智慧照明（Smart City Lighting）：指利用物联网、大数据、云计算、人工智能等先进技术，实现对城市照明的智能化、绿色化、高效化的管理。
2. 智能照明控制系统（Intelligent Lighting Control System）：指利用先进的传感器、通信、控制等技术，实现对城市照明的实时监控、远程控制、节能控制等功能的系统。
3. 绿色照明（Green Lighting）：指通过选用高效节能光源、灯具，采用合理的照明设计，实现在保证照明质量的前提下，最大程度地降低能耗和减少环境污染。
4. 智能化管理（Intelligent Management）：指利用物联网、大数据、云计算等技术，实现对城市照明的远程监控、数据分析、预测维护等功能的管理方式。
三、城市智慧照明建设技术要求1. 总体要求：城市智慧照明建设应符合城市规划、绿色环保、节能高效的原则，结合城市的文化、历史、地理等特点进行设计，并应考虑系统的可扩展性和可维护性。
2. 智能控制系统要求：智能控制系统应能实现照明的远程监控、场景设置、定时控制等功能，同时应具备适应不同环境的能力，如室外环境的防雨、防雷等功能。
3. 绿色照明要求：绿色照明应采用高效节能光源、灯具，降低能耗和减少环境污染。
在保证照明质量的前提下，优先选用低能耗、高效率的照明系统和设备。
4. 智能化管理要求：智能化管理应利用物联网、大数据、云计算等技术，实现对城市照明的实时监控、数据分析、预测维护等功能。
管理平台应具备易操作性和安全性，满足城市管理的需要。
智慧照明概念-概述说明以及解释
智慧照明概念-概述说明以及解释1.引言1.1 概述概述智慧照明是一种将智能技术与照明设施相结合的创新领域。
随着科技的发展和城市化进程的不断推进，智慧照明在城市建设中发挥着越来越重要的作用。
它通过使用各种传感器、通信技术和数据处理技术，实现对照明系统的智能化管理和控制，从而提高能源利用效率，改善城市居民的生活质量，促进可持续发展。
智慧照明的发展不仅仅局限于室内照明，还包括室外照明、道路照明、园区照明等各个方面。
通过智能化的照明系统，城市可以实现对灯光的自动感应、亮度调节、节能管理等功能。
这不仅可以提高照明质量，还能减少能源的浪费，有效降低城市的能耗和排放量。
智慧照明的发展在提高城市的可持续性方面起到了重要作用。
通过智能感知和精确控制技术，城市可以根据不同时间段和人流情况调整照明亮度，避免了不必要的能源浪费。
此外，智慧照明还可以通过数据处理和分析技术，实现照明系统的智能优化，提高照明质量，减少能源消耗，提升城市形象。
然而，智慧照明的发展也面临着一些挑战。
首先，智慧照明的实施需要高度的技术支持和资金投入。
其次，由于涉及到大量的传感器、通信和数据处理设备，智慧照明的系统安全性也是一个重要问题。
此外，智慧照明的标准和规范也尚不完善，需要相关部门和行业的共同努力。
尽管智慧照明面临挑战，但它的前景仍然非常广阔。
随着智能技术的不断进步，智慧照明在城市建设中将扮演着越来越重要的角色。
它不仅可以提高城市的照明质量，还可以有效降低能源消耗，改善城市居民的生活质量。
因此，我们有理由相信，智慧照明将成为未来城市发展的重要趋势，并对城市的可持续发展产生深远的影响。
文章结构部分的内容如下：1.2 文章结构本文将按照以下结构进行展开：第1部分：引言- 在引言部分，将对智慧照明的概念和背景进行概述，并明确文章的目的。
第2部分：正文2.1 智慧照明的定义与背景- 在该部分中，将详细探讨智慧照明的概念及其发展，并分析智慧照明在城市建设中的作用，同时还将讨论智慧照明的发展趋势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据分析在城市照明管理系统中的应用摘要：城市照明监控历史运行数据往往蕴含着大量的潜在信息和知识，人们迫切需要对有价值的数据进行深度挖掘，并将获得的成果应用于运行状况评估、异常预警和运营参数调优中。
基于城市照明监控历史运行数据，提出了一种基于大数据分析技术的应用方法，对海量运行数据进行聚类分析，以及对场景模式进行划分得到判别决策树，并对实时监测过程中的动态数据进行离群点分析，从而判别当前设备运行状况。
结合应用实例对模型进行合理性验证，证明了该方法的可行性。
关键词：大数据分析聚类分析判别决策树离群点分析随着社会的不断进步和计算机技术的快速发展，信息系统在各领域快速拓展，系统采集、累积和处理的数据越来越多，信息增速也不断加快，这也预示着大数据时代已经到来。
麦肯锡认为，“大数据”指所涉及的数据集规模超过了传统数据库软件获取、存储、管理和分析的能力［1］。
虽然现实世界产生的数据量不断增长，但其中可理解的比例却不断下降，人们迫切需要对大数据进行分析，以了解海量数据背后的重要信息和知识，大数据分析技术应运而生。
大数据分析是基于IT技术、数据挖掘、统计分析等多门学科的成果应用，通过从海量数据中分析出有效模式，获取存在的关系和规则并对发展趋势作出预测，这也是大数据生态环境中的最重要一环——使数据产生价值。
经过城市照明管理行业20多年的快速发展，路灯远程自动化监控技术有了很大提高。
监控系统每分钟都会产生实时监控数据，运行至今的系统大都已经存储了庞大数据，它们记录了照明监控设备的运行状况。
但是人们更关心它们背后隐含着的知识和信息，这些“数据”中的“数据”可用于运行状况评估、异常预警和后续运营参数调优，对照明管理部门降本增效、不断改善服务质量具有积极指导意义。
由此可见，大数据分析技术应用于城市照明管理行业尤为迫切和必要。
一、大数据分析理论大数据分析理论指从海量数据中分析和挖掘出知识的方法，本文主要采用聚类、分类等方法。
1、数据仓库建立进行大数据分析前必须收集待分析的数据资源，虽然数据挖掘可直接从操作数据源中挖掘信息，但建议从专用性和可靠性角度考虑，不采用原有的数据库或数据结构，而是将待分析数据存入数据仓库中。
数据仓库是一个集成、相对静态、面向主题的数据集合，通过建立数据仓库，可将异种数据源中的数据通过集成，从而构成语义上一致的数据存储体系结构，它可按不同的主题划分管理决策所需信息，为查询、分析和决策打下基础［2］。
2、特征提取数据仓库中的集合包含了大量特征，为了通过聚类分析发现潜在的运行模式，需要从序列数据中提取反映运行情况的重要特征向量。
这主要有两方面的工作：一方面为了让模型更容易理解，需要降低数据集的维度，删除不相关的特征并降低噪声，使大数据分析算法效果更好；另一方面通过创建新属性树，将一些旧属性合并或创建新的属性，这样可更有效地捕获数据集中的重要信息。
最常使用的特征集提取技术都是高度针对某一具体领域，一旦大数据分析用于其它领域，首要任务就是找到新的特征并进行特征提取。
3、数据预处理由于待分析数据可能存在数值区间范围较大、且不同时间段内变化快的问题，因此在大数据分析之前必须使用转换方法进行标准化处理。
数据标准化转换也是大数据分析中常见的转换措施之一，它通过将数据按照比例进行缩小，使之归入一个较小区间范围内，为数据分析建立相对平等的基础。
标准分数（Ｚ－ｓｃｏｒｅ）是一种数据标准化的重要方法，能够真实地反应一个分数距离平均数的相对标准距离，标准分数可由式（1）求出：其中，Ｘ为被标准化的数据，μ为数据集的平均值，σ为数据集的标准差。
Ｚ值代表着原始数据和数据集平均值之间的距离，它能表明原始数据在数据类集中的位置，方便在不同分布的数据之间进行比较［3］。
4、聚类算法聚类就是将数据对象分为多个类，类内数据点具有较高的相似度而距离近，类间数据对象差别大而距离点远［4］。
聚类技术可以将数据集划分成不同的子集集合，它们在空间上都是一个稠密的区域，能方便实现对数据的分析。
Ｋ－Ｍｅａｎｓ是最为经典的一种基于划分的聚类算法，它采用数据点之间的距离作为评价度量指标，也即将距离比较相近的对象组成类，以得到紧凑而独立的类作为最终目标［5］。
Ｋ－Ｍｅａｎｓ算法的基本工作过程：首先随机选择ｋ个数据作为初始质心，将数据对象根据其与各个类的质心距离进行划分，之后重新计算各个类的质心，循环执行直到目标函数最小为止［6］。
类的质心为类内所有点的算术平均值，对象到质心的距离一般采用欧几里得距离，可由式（2）求出：其中，（Ｘ１，Ｙ１）为质心坐标，（Ｘ２，Ｙ２）为样本数据。
目标函数采用平方误差准则函数，可由式（3）求出：其中，Ｃi为第i个簇，Ci为簇Ｃi的质心，Ｋ为簇的个数，X为数据对象，dist为标准欧几里得距离[7]。
5、分类算法数据分类目的是通过构建一个分类模型，将数据集中的所有项映射到给定类别中的某一项，用于归纳和描述重要数据的分类情况。
判别决策树是用于数据分类和预测未来的主要技术，它基于从一类无规则的数据中推理出规律性模型的分类规则［8］。
它采用自顶向下方法，在树的节点进行属性值的比较，并根据不同值判断向下分支，最后在树末端的叶节点得到结论。
该算法主要基于信息论中的熵理论，把信息增益率作为节点分支属性选择的度量标准，获得最终的决策规则。
各属性的信息增益率可由式(4)求出：其中，Ｓ为数据集，Ａ为分割属性，Gain为信息增益，SplitInfo 为分裂信息量。
分裂信息量可由式(5)求出：其中，ｓ为数据子集，ｓi为分割属性，ｃ为数据子集样本数［7］。
6、离群点检测离群点是数据集中与正常点有较大差异的那一类数据点，在数据点中找出异常点是离群点检测的主要任务。
离群点检测在大数据分析中有重要应用，它采用基于距离的异常点检测算法，以欧式距离为衡量标准，找到脱离给定数据集的异常数据。
离群点检测算法：根据分类结果选择该数据对象的质心，计算该数据对象到质心的欧氏距离，根据区间范围判断是否为离散点［7］。
二、大数据分析方法1、城市照明管理相关数据城市照明运行管理数据具有非常重要的参考价值，可通过对这些数据进行分析，挖掘其中有价值的信息，从而为故障报警、状况预测和决策支持奠定基础。
城市照明运行管理数据按逻辑分类，有动态监控数据和静态业务数据，监控数据分为照明实时数据和故障数据，业务数据分为资产数据和管理数据。
系统每隔20min远程采样照明实时数据一次，故障数据由远程监控终端主报。
城市照明管理中产生的运行数据如表１所示。
2、运行状况评估本文对照明监控设备运行状况评估数据源是基于路灯监控终端产生的照明实时数据，并且以输出有功功率作为主要研究对象，对有功功率负荷变化情况进行分析。
有功功率指一个周期内发出或负载消耗的瞬时功率的积分的平均值，传统判断有功功率是否出现异常的监测方法是在系统中设定一个阈值，根据超出上下限报警，这完全没有考虑时间和环境特征等因素，导致阈值难以确定，也不能动态适应变化。
本文采用大数据分析方法，通过识别存在的有功功率运行模式，建立模式判定，然后对实时采样的数据进行比较，判断是否存在异常情况。
（1）数据特征提取及标准化试验数据采用某地010#城市照明监控终端，该监控终端装于迎宾大道路灯控制柜中，主台系统每隔20分钟对该终端运行数据采样一次，将90天产生的1080条亮灯有效数据写入数据仓库。
010#终端部分输出有功功率数据如图１所示。
为了通过聚类分析发现潜在的运行状况判断模式，从有功功率序列数据中提取出反映运行情况的特征向量可由式（6）求出：Ｐ＝（Apmean，Apmax） (6)其中，Apmean为单位小时有功功率中值，Apmax为单位小时有功功率最大值。
由于有功功率数据值较大且不同时间段变化快，因而对于特征向量使用Z-score规范化处理，实现数据分布于一定区间范围内，标准化结果如图2所示。
（2）K-Means自然划分K-Means算法中必须选择合适的K值，采用多次迭代的方式以同簇距离总长度来判断Ｋ值的合理性。
图3是在不同K值下的类指标图，从图中可以明显看到，当簇数目为3时，类指标急剧下降，所以确定这次采用的K-Means聚类算法的K值为3。
采用K值为3的K-Means算法对该数据集进行聚类，完成如图4所示的自然划分结果。
完成聚类分析后，为方便分析有功功率运行模式判别条件，需要构造４个新的属性：质心点Ｘ、质心点Ｙ、类簇标识和前后半夜标识。
构造新属性之后的部分数据如表2所示。
在共1080组数据中，使用810组数据构成训练集，对构造了新属性的数据集进行分类，得到判定决策树如图2所示。
使用270组数据作为检验集，分类误差小于2％，完全可以采纳。
（3）运行状况评估应用为论证该方法的实际监测和评估效果，选取010#终端2014年8月25日23点数据进行检验。
该采样数值为Apmean＝33.18ＫＷ，Apmax＝33.25ＫＷ，根据模式判别决策树判断该点的模式为Cluster2。
特征向量P(33.18,33.25)与Cluster2模式的历史数据一起使用欧氏距离算法进行离群点分析，离群点结果分析结果如图6所示。
其中原数据簇中欧氏距离极大值为0.5191，而该数据点欧氏值为0.7462，因此判定为离群点。
城市照明监控系统根据判断结果立即报警，推测现场发生异常灭灯情况，值班人员安排维修人员至现场进行查验和检修。
图６离群点结果分析三、结语通过对城市照明监控信息进行大数据分析表明，新方法能够对每个采样点的有功功率数据进行分析，并能及时发现和报告异常状况。
在实际运用中，由于采用的大数据算法具有良好抗噪声干扰能力，可以帮助管理人员及时有效了解系统运行情况，为采取有效的管理措施提供决策支持。
该方法还具有通用性，能够广泛应用于城市市政设施行业监控系统的数据分析中。
将研究成果用于高压钠灯运行寿命、光源全寿命成本、光亮成本费用和照明管理维护费用预测中，则有待进一步研究。