[go: up one dir, main page]

IT201900011304A1 - Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo - Google Patents

Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo Download PDF

Info

Publication number
IT201900011304A1
IT201900011304A1 IT102019000011304A IT201900011304A IT201900011304A1 IT 201900011304 A1 IT201900011304 A1 IT 201900011304A1 IT 102019000011304 A IT102019000011304 A IT 102019000011304A IT 201900011304 A IT201900011304 A IT 201900011304A IT 201900011304 A1 IT201900011304 A1 IT 201900011304A1
Authority
IT
Italy
Prior art keywords
lighting
sound
information
vehicle
data
Prior art date
Application number
IT102019000011304A
Other languages
English (en)
Inventor
Massimo Rebernig
Davide Samori'
Davide Raggini
Original Assignee
Rebernig Supervisioni Srl
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Rebernig Supervisioni Srl filed Critical Rebernig Supervisioni Srl
Priority to IT102019000011304A priority Critical patent/IT201900011304A1/it
Priority to EP20743343.4A priority patent/EP3997964B1/en
Priority to JP2022501142A priority patent/JP7593989B2/ja
Priority to CN202080050329.2A priority patent/CN114128405A/zh
Priority to PCT/IB2020/056305 priority patent/WO2021005479A1/en
Priority to ES20743343T priority patent/ES3021610T3/es
Priority to US17/625,146 priority patent/US11895755B2/en
Publication of IT201900011304A1 publication Critical patent/IT201900011304A1/it

Links

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • H05B47/12—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by detecting audible sound
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/0895—Weakly supervised learning, e.g. semi-supervised or self-supervised learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/155—Coordinated control of two or more light sources
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/175—Controlling the light source by remote control
    • H05B47/18—Controlling the light source by remote control via data-bus transmission
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/175—Controlling the light source by remote control
    • H05B47/198—Grouping of control procedures or address assignation to light sources
    • H05B47/1985—Creation of lighting zones or scenes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/175—Controlling the light source by remote control
    • H05B47/19—Controlling the light source by remote control via wireless transmission
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)
  • Traffic Control Systems (AREA)
  • Feedback Control In General (AREA)

Description

Titolo: Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo.
DESCRIZIONE
La presente invenzione riguarda un metodo di controllo adattativo di illuminazione e un relativo sistema di illuminazione adattativo. L'invenzione è stata fatta con particolare riferimento all'illuminazione pubblica, in particolare stradale, tuttavia non si esclude l'applicabilità all'illuminazione privata, ad esempio, aziendale, industriale, di centri commerciali, domestica, ecc. L'obiettivo generale è l'efficienza energetica.
STATO DELLA TECNICA
La nuova era dell’ Internet delle Cose (IoT) porta allo streaming collaborativo - interoperabilità -di dati in tempo reale e all'intelligenza artificiale, la cui caratteristica più sorprendente è che consente ai consumatori di prendere decisioni migliori risparmiando così denaro. In campo illuminotecnico i sistemi di gestione wireless consentono un’illuminazione intelligente, le cui strategie di controllo permettono un efficientamento energetico consistente basato sulla domanda ottimizzata per ciascuna zona controllata. Il mercato globale delle soluzioni di illuminazione intelligente applicate all’illuminazione a LED per esterni dovrebbe aumentare di circa 8 miliardi di dollari entro il 2022, con un CARG di circa il 12% fino al 2022.
Anche l'analisi brevettuale rivela l'interesse verso i sistemi di illuminazione intelligente, in quanto vi è stata un brusco aumento di depositi di domande di brevetto nel decennio 2000-2010, che tende a stabilizzarsi tra il 2011 e il 2014 per poi accelerare nel triennio 2015-2017. I depositi riguardano i maggiori competitors a livello mondiale.
In generale sono necessarie tre cose per iniziare attivamente a utilizzare l'intelligenza artificiale nel controllo di qualcosa:
- dati,
- software in grado di autoapprendere ,
- capacità della tecnologia di reagire.
Dati significa informazioni da analizzare. Più input o più dati possiamo raccogliere, più facili e più precise possono essere le conclusioni, le classificazioni, le previsioni. Ciò significa anche che è fondamentale essere in grado di memorizzare quanti più dati possibile. Quanto migliori sono i processori di analisi e gli algoritmi software, tanto più veloci e affidabili sono le conclusioni. L'intelligenza artificiale può dare suggerimenti e previsioni in modo efficiente.
In letteratura brevettuale uno dei documenti più significativi che applica questi aspetti all'illuminazione è EP2719258.
Questo documento propone di modificare i parametri di illuminazione pubblica attraverso dati meteorologici attuali o previsti.
Questo sistema è interessante ma non tiene conto degli attuali metodi e normative di progettazione dei sistemi di illuminazione e non appare di di reale aiuto nell'effettivo risparmio energetico, che dovrebbe essere basato altresì sulla intensità di fruizione dell'area.
Gli attuali criteri di progettazione illuminotecnica prevedono un primo dimensionamento dell’illuminazione in base alla geometria delle aree da illuminare, per cui sono presi in considerazione parametri metrici, quali la lunghezza o larghezza delle strade, ecc.
Il dimensionamento procede apportando modifiche in base a variabili di rischio, quali ad esempio la presenza di incroci, curve, ecc.
Infine è auspicabile che la progettazione tenga conto di variabili di effettivo traffico. I dati relativi a quest'ultimo tuttavia sono raramente disponibili.
Di fatto si applica quindi una ratio cautelativa che tende a illuminare più di quanto sia realmente necessario.
A questo si aggiunge il fatto che in molti paesi esistono normative di classificazione illuminotecnica delle strade, e il sistema deve illuminare in base alle classi di appartenenza. Le classi sono assegnate in maniera cautelativa, per cui spesso prevedono una illuminazione maggiore di quella necessaria. In generale sono previste regole di abbassamento della classe in base alle reali condizioni di traffico, ma dal momento che i dati su di esso sono di difficile reperimento e spesso assenti, lo spreco di energie sulle strade rimane a oggi a livello inaccettabile.
Lo scopo della presente invenzione è quello di superare del tutto o in parte i problemi della tecnica nota.
In particolare lo scopo della presente invenzione è quello di aumentare il risparmio energetico nel settore dell'illuminazione.
Un ulteriore scopo della presente invenzione è quello di fornire un procedimento e un sistema di illuminazione in grado di migliorare mediante autoapprendimento la prestazione di consumo energetico.
Un altro ulteriore scopo della presente invenzione è quello di utilizzare un sistema di autoapprendimento e miglioramento della prestazione energetica basato su dati di facile acquisizione e gestione e tali da permettere una elevata precisione di impostazione dell'illuminazione.
INTRODUZIONE GENERALE
Secondo un suo primo aspetto generale la presente invenzione riguarda un metodo di controllo adattativo di illuminazione caratterizzato dalle seguenti azioni;
- ottenere informazioni di suono in una zona da illuminare;
- determinare informazioni di traffico analizzando le informazioni di suono;
- generare almeno una impostazione di illuminazione in funzione dei risultati di analisi del suono;
- comandare l'illuminazione secondo detta impostazione generata.
Preferibilmente il metodo comprende inoltre le seguenti azioni:
formare informazioni di impostazione di illuminazione in accordo con le informazioni di traffico determinate; e
trasmettere le informazioni di impostazione di illuminazione.
Ad esempio il metodo comprende l’azione di formare informazioni di classificazione di illuminazione in base alle normative vigenti in accordo con le informazioni di traffico determinate.
Ancora più preferibilmente il metodo comprende le seguenti azioni:
ricevere le informazioni di impostazione di illuminazione, e
controllare una o più sorgenti di illuminazione per fornire illuminazione in accordo con le informazioni di impostazione dell'illuminazione.
Secondo alcune forme di attuazione preferite le informazioni sul traffico sono determinate riconoscendo il transito di veicoli da almeno un loro suono caratteristico di esercizio, ad esempio comprendente un suono o una combinazione di suoni tra i seguenti: rumore del motore, rumore di rotolamento degli pneumatici, rumore dovuto all'aerodinamica, rumori prodotti artificialmente da veicoli ibridi ed elettrici (ad esempio in base alla normativa UN-ECE R138).
In tal caso ad esempio il metodo riconosce il suono caratteristico di esercizio mediante un filtro di frequenze, ad esempio per isolare quelle tra 500 e 4000 hz.
Secondo alcune forme di attuazione preferite il metodo comprende l'azione di predisporre una intelligenza artificiale in grado di apprendere dati sul traffico in base al suono. Ad esempio detta generazione di impostazione comprende almeno l'azione di modificare una impostazione di illuminazione in base ai dati appresi.
Secondo alcune forme di attuazione è possibile generare una previsione di percorso di transito in base all'intelligenza artificiale e comandare una variazione di illuminazione lungo il percorso previsto.
Preferibilmente sono generati dati di apprendimento di partenza dell'intelligenza artificiale ad esempio rilevando sia dati di suono che corrispondenti dati di immagine di veicoli in transito, associando i dati di suono e i dati di immagine per realizzare almeno una delle seguenti fasi di elaborazione:
- apprendere quali suoni sono caratteristici del passaggio di un veicolo;
- apprendere quali suoni sono caratteristici del passaggio di più di un veicolo;
- apprendere a quanti veicoli appartengono i suoni rilevati;
- apprendere a quali categorie di veicoli appartengono i suoni caratteristici rilevati.
Preferibilmente è prevista la fase di educare l'intelligenza artificiale a riconoscere il suono caratteristico di un veicolo, ad esempio comprendente un suono o una combinazione di suoni tra i seguenti: rumore del motore, rumore di rotolamento degli pneumatici, rumore dovuto all'aerodinamica, rumori prodotti artificialmente da veicoli ibridi ed elettrici.
Preferibilmente è prevista la fase di eseguire un apprendimento autonomo mediante l'intelligenza artificiale successivo all'apprendimento di partenza ad esempio in cui si esegue almeno una delle seguenti operazioni
- pulizia del segnale sonoro da rumori ambientali non appartenenti ad un veicolo;
- discriminazione del tipo di veicolo in transito;
- discriminazione della velocità del veicolo in transito;
- discriminazione della direzione del veicolo in transito;
- discriminazione del cambio di direzione di un veicolo in transito;
- conteggio dei veicoli in transito in determinati periodi di tempo.
In tal caso preferibilmente l'azione di conteggio dei veicoli in transito comprende una pluralità tra dette azioni di pulire il segnale, discriminazione del tipo di veicolo, discriminazione della velocità del veicolo, discriminazione della direzione del veicolo, discriminazione del cambio di direzione del veicolo.
In generale è possibile eseguire le seguenti operazioni:
- mappatura del territorio sorvegliato mediante suddivisione in zone corrispondenti a classi illuminotecniche predeterminate, dove la suddivisione è effettuata individuando e assegnando o suggerendo per ogni zona la classe in base almeno ad una delle caratteristiche di traffico apprese dall'intelligenza artificiale.
Preferibilmente la mappatura è utilizzata per effettuare una correzione di una attività luminosa iniziale per ogni zona in base alla classe illuminotecnica assegnata o suggerita; dove la correzione comprende ad esempio la regolazione di almeno uno tra: smorzamento, potenza, periodo di esercizio, orario di esercizio, alternanza di periodi di esercizio, accensione o aumento della luminosità in relazione alla previsione di un evento di transito, priorità tra zone, priorità di spegnimento per black out controllato, modulazione del flusso luminoso su richiesta e in tempo reale, in presenza di traffico.
Preferibilmente è previsto di continuare l'apprendimento dell'intelligenza artificiale per generare uno storico e generare una correzione dell'illuminazione sulla base dello storico.
Secondo un suo secondo aspetto generale l'invenzione riguarda un sistema di illuminazione adattativo caratterizzato dal fatto di comprendere i seguenti mezzi per l'implementazione del procedimento secondo una qualsiasi delle rivendicazioni precedenti:
- un'area illuminata predeterminata;
- mezzi di apprendimento di dati relativi al suono in detta area,
- mezzi di determinazione di dati sul traffico in base ai dati sul suono raccolti;
- mezzi di impostazione per determinare almeno una impostazione di illuminazione in base ai dati sul traffico.
Secondo alcune forme di attuazione preferite il sistema di illuminazione comprende:
- almeno una memoria contenente almeno una porzione di programma che configura i mezzi di determinazione per: ottenere informazioni, preferibilmente storiche, sul traffico elaborando dati di suono;
- almeno una memoria contenente almeno una porzione di programma che configura i mezzi di impostazione per ricevere dette informazioni ed elaborarle per:
● determinare detta almeno una impostazione di illuminazione in base a dette informazioni di traffico, preferibilmente storiche;
● formare informazioni relative all'illuminazione in base alle impostazioni di illuminazione stabilite;
● trasmettere le informazioni sull'impostazione dell'illuminazione adattata.
Preferibilmente il sistema comprende inoltre una pluralità di dispositivi di illuminazione aventi ciascuno:
un ricevitore che riceve le informazioni di impostazione adattate dell'illuminazione;
almeno una fonte di illuminazione per fornire illuminazione; e
mezzi di controllo per controllare la fonte di illuminazione per fornire illuminazione in conformità con le informazioni di impostazione di illuminazione.
Secondo alcune forme di attuazione preferite il sistema contiene:
- informazioni di suono,
- informazioni di traffico derivanti da dette informazioni di suono,
- informazioni relative all'illuminazione derivanti da dette informazioni di traffico,
- istruzioni di illuminazione formate da dette informazioni relative all'illuminazione,
- preferibilmente classificazioni illuminotecniche assegnate o suggerite da dette informazioni.
Preferibilmente ciascun dispositivo di illuminazione comprende un microfono per l'acquisizione dei dati di suono e preferibilmente mezzi di trasmissione per la trasmissione di dati di suono o di dati elaborati dai dati di suono acquisiti da microfono, dove preferibilmente il sistema di illuminazione comprende anche mezzi di FOG/EDGE computing e/o CLOUD computing che ricevono detti dati e contengono dette memorie con porzioni di programma in esecuzione.
Secondo alcune forme di attuazione preferite dell'invenzione, il sistema comprende una pluralità di dispositivi di illuminazione disposti in un'area da sorvegliare e un'intelligenza artificiale comprendente una rete neurale comprendente una pluralità di dispositivi trasduttori di suono disposti nella medesima area.
Preferibilmente la pluralità di dispositivi trasduttori sono suddivisi in array, dove i dispositivi trasduttori di uno stesso array sono disposti lungo una medesima strada, e sono associati a corrispondenti array dei dispositivi di illuminazione.
Preferibilmente la rete neurale artificiale comprende anche una pluralità di dispositivi trasduttori di immagini disposti nella medesima area. Essi sono principalmente dedicati all’addestramento per permettere l’associazione dei suoni ai tipi di veicoli.
DESCRIZIONE DETTAGLIATA
Ulteriori caratteristiche e vantaggi della presente invenzione risulteranno meglio dalla seguente descrizione dettagliata di sue forme di realizzazione preferite, fatta con riferimento ai disegni allegati e data a titolo indicativo e non limitativo. In tali disegni:
- la figura 1 mostra un sistema di illuminazione adattivo secondo la presente invenzione;
- le figure 2 e 3 mostrano l'istogramma della composizione in frequenza del suono emesso rispettivamente da un veicolo leggero e da un veicolo pesante al suo passaggio;
- la figure da 4 a 9 mostrano l'associazione di apprendimento iniziale di un sistema di intelligenza artificiale tra spettri sonori e immagini video di varie tipologie di veicolo.
Con riferimento alla figura 1 è mostrato un esempio e/o caso d’uso di un sistema di illuminazione secondo la presente invenzione indicato nel suo complesso con il numero di riferimento 1.
Il sistema 1 comprende un'area sorvegliata 5 in cui sono presenti varie strade 10 e 12.
Il sistema comprende una pluralità di dispositivi di illuminazione 15, ad esempio lampioni, distribuiti lungo le strade, comandabili per variare le impostazioni di illuminazione, essendo ad esempio dimmerabili.
Il sistema comprende anche una intelligenza artificiale 20 di apprendimento e determinazione delle impostazioni di illuminazione e/o di classificazione illuminotecnica.
L'intelligenza artificiale comprende una rete neurale di apprendimento di dati sul traffico in base al suono comprendente mezzi di acquisizione di suono, ad esempio un microfono 25, preferibilmente per ogni dispositivo di illuminazione 15. Preferibilmente si tratta di uno o più microfoni MEMS o similari integrati nel dispositivo di illuminazione 15.
Preferibilmente la rete neurale comprende anche mezzi di acquisizione di immagini 30, ad esempio una videocamera, preferibilmente uno per strada o uno per ogni dispositivo di illuminazione.
L'intelligenza artificiale comprende inoltre mezzi di CLOUD computing 32 e/o mezzi di FOG/EDGE computing 34, dove questi mezzi elaborano i dati di suono per derivare dati di traffico. Essi sono in comunicazione di ricezione con i mezzi di acquisizione di suono 25 e di immagini 30, e in comunicazione di trasmissione con mezzi di controllo dei dispositivi di illuminazione che ne comandano l'illuminazione in base alle impostazioni ricevute e/o suggerite dall'intelligenza artificiale. La comunicazione ad esempio sfrutta qualsivoglia topologia di rete dati, ad esempio reti wireless LPWAN,WIFI,4G,5G.
Ciascuna strada è inizialmente catalogata in una memoria del sistema di illuminazione con una categoria illuminotecnica di appartenenza di base che stabilisce le impostazioni iniziali di illuminazione adottate, in particolare è preferibile che le impostazioni stabiliscano almeno orari, durata e grandezza dello smorzamento applicabile inteso come riduzione di flusso luminoso.
L'intelligenza artificiale acquisisce dati di suono e li traduce in dati di traffico nel modo seguente:
La rumorosità prodotta dai veicoli ha origine da diverse componenti, in particolare:
1. MOTORE a combustione: sede di compressioni, scoppi e decompressioni. I livelli di emissione sonora dipendono da caratteristiche costruttive, n°giri/min.
1.a MOTORE elettrico: sede di sibili introdotti dal controllo di potenza regolato dagli attuatori. Rumori prodotti artificialmente mediante dispositivi acustici, atti a segnalare la presenza del veicolo, ad esempio al di sotto dei 20km/h, recentemente si stanno introducendo normatove a riguardo come ad esempio UN-ECE R138.
2. ROTOLAMENTO: rumore causato dall’intrappolamento/rilascio d’aria nelle cavità tra battistrada e asfalto. Dipende dal disegno del battistrada e dalla tessitura e porosità del manto stradale.
3. AERODINAMICA: rilevante esclusivamente per velocità>130 km/h
Il rumore prodotto dal motore degli autoveicoli risulta, alle basse velocità, superiore a quello prodotto dal rotolamento dei pneumatici sull’asfalto. Mano a mano che la velocità cresce la rumorosità di rotolamento si fa più intensa fino a prevalere su quella prodotta dal motore.
Una misurazione quindi centrata sui contributi sonori dovuti alla componente di rotolamento del suono, permette al sistema di far fronte anche alla crescente espansione sul mercato di veicoli elettrici e di catalogare strade destinate a qualsiasi velocità.
Relativamente allo spettro delle frequenze delle onde sonore generate da un veicolo leggero e da un veicolo pesante, presi ad esempio rispettivamente nelle figure 2 e 3, si nota come sia possibile discriminare le differenti tipologie di sorgente rumorosa (motore, rotolamento, aerodinamica) in base alle frequenze. Si nota che è possibile filtrare la trasduzione del segnale in una banda di frequenze specifica, ad esempio dai 500 ai 4000 Hz, elaborando così il solo contributo sonoro dovuto al rotolamento degli pneumatici.
Ciò è utile ad esempio per contare il numero di veicoli in transito, o per stabilire i periodi di maggior congestione, ecc..
In una fase iniziale di apprendimento è possibile educare l'intelligenza artificiale per riconoscere dallo spettro del suono la tipologia di veicolo. Ciò può essere fatto catturando immagini dei veicoli in transito associandole allo spettro sonoro registrato in occasione del loro passaggio. Le figure da 4 a 9 mostrano l'associazione tra lo spettro sonoro di vari veicoli e la loro immagine.
Ciò permette in una fase successiva di affinare le statistiche sul traffico, in quanto il sistema è in grado di capire anche quali veicoli transitano, con che frequenza, ecc.
Stabilito uno storico dei dati di traffico rilevati tramite il suono, il CLOUD computing e/o il FOG/EDGE computing assegneranno ad ogni strada un correttivo rispetto alla categoria illuminotecnica iniziale, stabilendo pertanto una vera e propria mappatura a zone delle reali esigenze di illuminazione in funzione del traffico. Il sistema di illuminazione invierà quindi ai dispositivi di illuminazione i profili di smorzamento - di riduzione del flusso luminosoadattando pertanto la potenza e quindi la luminosità delle loro lampade, in funzione delle reali condizioni di traffico su base storica nonché di adattamento luminoso al bisogno in tempo reale e/o previsto.
La figura 1 mostra un esempio in cui la strada principale 10 incrocia la strada chiusa 12.
Le due strade potrebbero avere una categoria illuminotecnica iniziale uguale, successivamente la strada chiusa 12 è riclassificata in base al rilevamento sonoro del traffico ad una classe minore, dando priorità di illuminazione alla strada principale 10.
Preferibilmente i dispositivi di illuminazione e i microfono sono raggruppati in arrays per ogni strada sorvegliata, dove i membri di ciascuno degli array di dispositivi di illuminazione sono comandati dalle impostazioni di illuminazione stabilite in base ai rilevamenti del corrispondente array di microfoni, suggerendo nuova classificazione.
Il sistema descritto è utile anche per stabilire ipostazioni di illuminazione da adottare in funzione di eventi previsti in base all'apprendimento della intelligenza artificiale. Ad esempio in generale nel caso di arrays di lampioni e di microfoni è possibile prevedere la direzione di transito di un veicolo ed eventualmente anche la sua velocità e/o il cambio di direzione, e quindi comandare in accordo una accensione, o un aumento della illuminazione, in sequenza di quei dispositivi di illuminazione a cui il veicolo va prevedibilmente incontro.
INTERPRETAZIONE GENERALE DEI TERMINI
Nel comprendere lo scopo della presente invenzione, il termine "comprendente" e i suoi derivati, come qui usati, sono intesi come termini a terminazione aperta che specificano la presenza delle caratteristiche dichiarate, elementi, componenti, gruppi, numeri interi e / o fasi , ma non escludono la presenza di altre caratteristiche, elementi, componenti, gruppi, numeri interi e / o fasi non dichiarati. Quanto sopra si applica anche alle parole che hanno significati simili come i termini "compreso", "avere" e i loro derivati. Inoltre, i termini "parte", "sezione", "porzione", "membro" o "elemento" quando usati nel singolare possono avere il duplice significato di una singola parte o di una pluralità di parti. Come qui utilizzato per descrivere la forma / le forme di attuazione sopra, i seguenti termini direzionali "avanti", "indietro", "sopra", "in basso", "verticale", "orizzontale", "sotto" e "trasversale", nonché qualsiasi altro termine direzionale simile si riferisce alla forma di attuazione descritta in posizione operativa. Infine, termini di grado come "sostanzialmente", "circa" e "approssimativamente" come qui usati significano una ragionevole quantità di deviazione del termine modificato in modo tale che il risultato finale non sia significativamente cambiato.
Mentre sono state scelte solo forme di realizzazione selezionate per illustrare la presente invenzione, sarà chiaro agli esperti del ramo da questa descrizione che varie modifiche e varianti possono essere apportate senza allontanarsi dall'ambito dell'invenzione come definito nel rivendicazioni allegate. Ad esempio, le dimensioni, la forma, la posizione o l'orientamento dei vari componenti possono essere modificati secondo necessità e / o desideri. I componenti mostrati direttamente collegati o in contatto tra loro possono avere strutture intermedie disposte tra di loro. Le funzioni di un elemento possono essere eseguite da due e viceversa. Le strutture e le funzioni di una forma di realizzazione possono essere adottate in un'altra forma di realizzazione. Non è necessario che tutti i vantaggi siano presenti in una particolare forma di realizzazione allo stesso tempo. Ogni caratteristica che è originale comparata alla tecnica nota, da sola o in combinazione con altre caratteristiche, dovrebbe anche essere considerata una descrizione separata di ulteriori invenzioni da parte del richiedente, compresi i concetti strutturali e / o funzionali incorporati da tali caratteristiche. Pertanto, le precedenti descrizioni delle forme di realizzazione secondo la presente invenzione sono fornite solo a scopo illustrativo e non allo scopo di limitare l'invenzione come definita dalle rivendicazioni allegate e dai loro equivalenti.

Claims (21)

  1. RIVENDICAZIONI 1. Metodo di controllo adattativo di illuminazione caratterizzato dalle seguenti azioni; - ottenere informazioni di suono in una zona da illuminare; - determinare informazioni di traffico analizzando le informazioni di suono; - generare almeno una impostazione di illuminazione in funzione dei risultati di analisi del suono; - comandare l'illuminazione secondo detta impostazione generata.
  2. 2. Metodo secondo la rivendicazione 1, caratterizzato dal fatto che comprende inoltre le seguenti azioni: formare informazioni di impostazione di illuminazione in accordo con le informazioni di traffico determinate; e trasmettere le informazioni di impostazione di illuminazione.
  3. 3. Metodo secondo la rivendicazione 2, caratterizzato dal fatto che comprende inoltre le seguenti azioni: ricevere le informazioni di impostazione di illuminazione, e controllare una o più sorgente di illuminazione per fornire illuminazione in accordo con le informazioni di impostazione dell'illuminazione.
  4. 4. Metodo secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto che le informazioni sul traffico sono determinate almeno riconoscendo il transito di veicoli da almeno un loro suono caratteristico di esercizio, ad esempio comprendente un suono o una combinazione di suoni tra i seguenti: rumore del motore, rumore di rotolamento degli pneumatici, rumore dovuto all'aerodinamica, rumori prodotti artificialmente da veicoli ibridi ed elettrici.
  5. 5. Metodo secondo la rivendicazione 4, caratterizzato dal fatto che riconosce il suono caratteristico di esercizio mediante un filtro di frequenze, ad esempio per isolare quelle tra 500 e 4000 hz.
  6. 6. Metodo secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto di predisporre una intelligenza artificiale in grado di apprendere dati sul traffico in base al suono e preferibilmente detta generazione di impostazione comprende almeno l'azione di modificare una impostazione di illuminazione iniziale in base ai dati appresi.
  7. 7. Metodo secondo la rivendicazione 6, caratterizzato dal fatto di generare una previsione di percorso di transito in base all'intelligenza artificiale e comandare una variazione di illuminazione lungo il percorso previsto.
  8. 8. Metodo secondo la rivendicazione 6 o 7, caratterizzato dal fatto di generare dati di apprendimento di partenza dell'intelligenza artificiale ad esempio rilevando sia dati di suono che corrispondenti dati di immagine di veicoli in transito, associare i dati di suono e i dati di immagine per realizzare almeno una delle seguenti fasi di elaborazione: - apprendere quali suoni sono caratteristici del passaggio di un veicolo; - apprendere quali suoni sono caratteristici del passaggio di più di un veicolo; - apprendere a quanti veicoli appartengono i suoni rilevati; - apprendere a quali categorie di veicoli appartengono i suoni caratteristici rilevati.
  9. 9. Metodo secondo la rivendicazione 8, caratterizzato dal fatto di educare l'intelligenza artificiale a riconoscere il suono caratteristico di un veicolo, ad esempio comprendente un suono o una combinazione di suoni tra i seguenti: rumore del motore, rumore di rotolamento degli pneumatici, rumore dovuto all'aerodinamica, rumori prodotti artificialmente da veicoli ibridi ed elettrici
  10. 10. Metodo secondo la rivendicazione 8 o 9, caratterizzato dal fatto di eseguire un apprendimento autonomo mediante l'intelligenza artificiale successivo all'apprendimento di partenza ad esempio in cui si esegue almeno una delle seguenti operazioni - pulizia del segnale sonoro da rumori ambientali non appartenenti ad un veicolo; - discriminazione del tipo di veicolo in transito; - discriminazione della velocità del veicolo in transito; - discriminazione della direzione del veicolo in transito; - discriminazione del cambio di direzione di un veicolo in transito; - conteggio dei veicoli in transito in determinati periodi di tempo.
  11. 11. Metodo secondo la rivendicazione 10, caratterizzato dal fatto che l'azione di conteggio dei veicoli in transito comprende una pluralità tra dette azioni di pulire il segnale, discriminazione del tipo di veicolo, discriminazione della velocità del veicolo, discriminazione della direzione del veicolo, discriminazione del cambio di direzione del veicolo.
  12. 12. Metodo secondo una qualsiasi delle rivendicazioni da 6 a 11, caratterizzato dal fatto di eseguire le seguenti operazioni: - mappatura del territorio sorvegliato mediante suddivisione in zone corrispondenti a classi illuminotecniche predeterminate, dove la suddivisione è effettuata individuando e assegnando o suggerendo per ogni zona la classe in base almeno ad una delle caratteristiche di traffico apprese dall'intelligenza artificiale; - correzione di una attività luminosa iniziale per ogni zona in base alla classe illuminotecnica assegnata o suggerita; dove la correzione comprende ad esempio la regolazione di almeno uno tra: smorzamento, potenza, periodo di esercizio, orario di esercizio, alternanza di periodi di esercizio, accensione o aumento della luminosità in relazione alla previsione di un evento di transito, priorità tra zone, priorità di spegnimento per black out controllato, modulazione del flusso luminoso su richiesta e in tempo reale, in presenza di traffico.
  13. 13. Sistema di illuminazione adattativo caratterizzato dal fatto di comprendere i seguenti mezzi per l'implementazione del procedimento secondo una qualsiasi delle rivendicazioni precedenti: - un'area illuminata predeterminata; - mezzi di apprendimento di dati relativi al suono in detta area, - mezzi di determinazione di dati sul traffico in base ai dati sul suono raccolti; - mezzi di impostazione per determinare almeno una impostazione di illuminazione in base ai dati sul traffico.
  14. 14. Sistema di illuminazione secondo la rivendicazione precedente, caratterizzato dal fatto che comprende: - almeno una memoria contenente almeno una porzione di programma che configura i mezzi di determinazione per: ottenere informazioni, preferibilmente storiche, sul traffico elaborando dati di suono; - almeno una memoria contenente almeno una porzione di programma che configura i mezzi di impostazione per ricevere dette informazioni ed elaborarle per: ● determinare detta almeno una impostazione di illuminazione in base a dette informazioni di traffico; ● formare informazioni relative all'illuminazione in base alle impostazioni di illuminazione stabilite; e ● trasmettere le informazioni sull'impostazione dell'illuminazione adattata.
  15. 15. Sistema di illuminazione secondo la rivendicazione precedente, comprendente inoltre una pluralità di dispositivi di illuminazione aventi ciascuno: un ricevitore che riceve le informazioni di impostazione adattate dell'illuminazione; almeno una fonte di illuminazione per fornire illuminazione; e mezzi di controllo per controllare la fonte di illuminazione per fornire illuminazione in conformità con le informazioni di impostazione di illuminazione.
  16. 16. Sistema secondo una qualsiasi delle rivendicazioni da 13 a 15, caratterizzato dal fatto che contiene: - informazioni di suono, - informazioni di traffico derivanti da dette informazioni di suono, - informazioni relative all'illuminazione derivanti da dette informazioni di traffico, - istruzioni di illuminazione formate da dette informazioni relative all'illuminazione.
  17. 17. Sistema di illuminazione secondo una qualsiasi delle rivendicazioni da 12 a 15, caratterizzato dal fatto che ciascun dispositivo di illuminazione comprende un microfono per l'acquisizione dei dati di suono e preferibilmente mezzi di trasmissione per la trasmissione di dati di suono o di dati elaborati dai dati di suono acquisiti da microfono, dove preferibilmente il sistema di illuminazione comprende anche mezzi di FOG/EDGE computing e/o CLOUD computing che ricevono detti dati e contengono dette memorie con porzioni di programma.
  18. 18. Sistema di illuminazione secondo una qualsiasi delle rivendicazioni da 12 a 16 caratterizzato dal fatto che comprende una pluralità di dispositivi di illuminazione disposti in un'area da sorvegliare e un'intelligenza artificiale comprendente una rete neurale artificiale comprendente una pluralità di dispositivi trasduttori di suono disposti nella medesima area.
  19. 19. Sistema secondo la rivendicazione 18, caratterizzato dal fatto che la rete neurale artificiale comprende anche una pluralità di dispositivi trasduttori di immagini disposti nella medesima area
  20. 20. Sistema secondo la rivendicazione 18 o 19, caratterizzato dal fatto che la pluralità di dispositivi trasduttori sono suddivisi in array, dove i dispositivi traduttore di uno stesso array sono disposti lungo una medesima strada, e sono associati a corrispondenti array dei dispositivi di illuminazione.
  21. 21. Sistema secondo la rivendicazione 20, caratterizzato dal fatto che l'intelligenza artificiale prevedere la direzione di transito di un veicolo ed eventualmente anche la sua velocità e/o il cambio di direzione, e comanda in accordo una accensione, o un aumento della illuminazione, in sequenza di quei dispositivi di illuminazione a cui il veicolo va prevedibilmente incontro.
IT102019000011304A 2019-07-10 2019-07-10 Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo IT201900011304A1 (it)

Priority Applications (7)

Application Number Priority Date Filing Date Title
IT102019000011304A IT201900011304A1 (it) 2019-07-10 2019-07-10 Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo
EP20743343.4A EP3997964B1 (en) 2019-07-10 2020-07-03 Predictive and adaptive lighting control method and predictive and adaptive lighting system
JP2022501142A JP7593989B2 (ja) 2019-07-10 2020-07-03 予測適応性の照明制御方法及び予測適応性の照明システム
CN202080050329.2A CN114128405A (zh) 2019-07-10 2020-07-03 具有预测性和自适应性的照明控制方法及具有预测性和自适应性的照明系统
PCT/IB2020/056305 WO2021005479A1 (en) 2019-07-10 2020-07-03 Predictive and adaptive lighting control method and predictive and adaptive lighting system
ES20743343T ES3021610T3 (en) 2019-07-10 2020-07-03 Predictive and adaptive lighting control method and predictive and adaptive lighting system
US17/625,146 US11895755B2 (en) 2019-07-10 2020-07-03 Predictive and adaptive lighting control method and predictive and adaptive lighting system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
IT102019000011304A IT201900011304A1 (it) 2019-07-10 2019-07-10 Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo

Publications (1)

Publication Number Publication Date
IT201900011304A1 true IT201900011304A1 (it) 2021-01-10

Family

ID=68501914

Family Applications (1)

Application Number Title Priority Date Filing Date
IT102019000011304A IT201900011304A1 (it) 2019-07-10 2019-07-10 Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo

Country Status (7)

Country Link
US (1) US11895755B2 (it)
EP (1) EP3997964B1 (it)
JP (1) JP7593989B2 (it)
CN (1) CN114128405A (it)
ES (1) ES3021610T3 (it)
IT (1) IT201900011304A1 (it)
WO (1) WO2021005479A1 (it)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114364099A (zh) * 2022-01-13 2022-04-15 达闼机器人有限公司 调节智能灯光设备的方法、机器人及电子设备

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021118762A1 (de) * 2021-07-20 2023-01-26 Datacollect Traffic Systems Gmbh Verfahren und System zum Erkennen eines elektrisch angetriebenen Fahrzeugs
WO2025045571A1 (en) * 2023-08-28 2025-03-06 Signify Holding B.V. Method of and system for detecting vehicles
CN117881051B (zh) * 2023-12-28 2025-02-11 天翼物联科技有限公司 一种照明系统的智能联动控制方法、装置、设备及介质
CN119211143A (zh) * 2024-08-23 2024-12-27 广州欧明电子技术有限公司 用于照明系统控制的协议数据处理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110169664A1 (en) * 2007-10-03 2011-07-14 University Of Southern California Acoustic signature recognition of running vehicles using spectro-temporal dynamic neural network
EP2719258A1 (en) 2011-06-13 2014-04-16 Koninklijke Philips N.V. Adaptive controlled outdoor lighting system and method of operation thereof
US20160050397A1 (en) * 2013-05-08 2016-02-18 Smart-I, S.R.L. Smart optical sensor for adaptive, predictive, and on-demand control of public lighting
US20190008019A1 (en) * 2015-12-21 2019-01-03 Le Henaff Guy Method of controlling a light intensity of a light source in a light network

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8723690B2 (en) 2011-01-26 2014-05-13 International Business Machines Corporation Systems and methods for road acoustics and road video-feed based traffic estimation and prediction
WO2012140152A1 (en) * 2011-04-12 2012-10-18 Aleksander Gerbec Network comprising nodes associated with outdoor lighting devices
US8847750B1 (en) * 2011-06-30 2014-09-30 Universal Lighting Technologies, Inc. Network of dual technology occupancy sensors and associated lighting control method
WO2018185132A1 (en) 2017-04-06 2018-10-11 Philips Lighting Holding B.V. Lighting system and method of controlling a lighting system
US10813194B2 (en) 2017-05-16 2020-10-20 Signify Holding B.V. Noise-flow monitoring and sound localization via intelligent lighting
WO2019002144A1 (en) 2017-06-30 2019-01-03 Philips Lighting Holding B.V. LIGHTING SYSTEM WITH TRAFFIC REPLACEMENT FUNCTIONALITY
US11100336B2 (en) * 2017-08-14 2021-08-24 Cubic Corporation System and method of adaptive traffic management at an intersection
US20210312725A1 (en) * 2018-07-14 2021-10-07 Moove.Ai Vehicle-data analytics

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110169664A1 (en) * 2007-10-03 2011-07-14 University Of Southern California Acoustic signature recognition of running vehicles using spectro-temporal dynamic neural network
EP2719258A1 (en) 2011-06-13 2014-04-16 Koninklijke Philips N.V. Adaptive controlled outdoor lighting system and method of operation thereof
US20160050397A1 (en) * 2013-05-08 2016-02-18 Smart-I, S.R.L. Smart optical sensor for adaptive, predictive, and on-demand control of public lighting
US20190008019A1 (en) * 2015-12-21 2019-01-03 Le Henaff Guy Method of controlling a light intensity of a light source in a light network

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114364099A (zh) * 2022-01-13 2022-04-15 达闼机器人有限公司 调节智能灯光设备的方法、机器人及电子设备
CN114364099B (zh) * 2022-01-13 2023-07-18 达闼机器人股份有限公司 调节智能灯光设备的方法、机器人及电子设备

Also Published As

Publication number Publication date
US20220272815A1 (en) 2022-08-25
WO2021005479A1 (en) 2021-01-14
ES3021610T3 (en) 2025-05-27
EP3997964A1 (en) 2022-05-18
JP7593989B2 (ja) 2024-12-03
US11895755B2 (en) 2024-02-06
JP2022540614A (ja) 2022-09-16
EP3997964B1 (en) 2025-01-22
CN114128405A (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
IT201900011304A1 (it) Metodo di controllo adattativo di illuminazione e Sistema di illuminazione adattativo
US9047774B2 (en) Method and apparatus for crowd-sourced traffic reporting
CN114730522A (zh) 交通推理器
CN107240252B (zh) 一种交叉口的主动式车辆调度方法
CN106846818B (zh) 基于Simulink仿真的路网动态交通流预测方法
EP3646303B1 (en) Lighting system with traffic rerouting functionality
CN105788298A (zh) 一种双向绿波控制的方法及装置
CN107563543A (zh) 一种基于群体智能的城市交通优化服务方法与系统
CN118038682B (zh) 一种基于数字投影灯的行车引导方法、装置、设备及介质
CN112907950A (zh) 一种面向车路协同环境的元胞传输模型改进方法
CN119920082B (zh) 一种面向合流的泛车路协同引导方法
Lawe et al. Optimization of traffic signals using deep learning neural networks
Sattari et al. A dynamic vehicular traffic control using ant colony and traffic light optimization
CN112907994A (zh) 一种智能网联环境下公交协同控制方法、装置及终端设备
CN120220403A (zh) 高精度感知驱动的智能路网协同优化方法及系统
Chen et al. Dynamic traffic light optimization and Control System using model-predictive control method
JP7296567B2 (ja) 交通信号制御装置、交通信号制御システムおよび交通信号制御方法
Ajayi et al. Optimising urban road transportation efficiency: AI-driven solutions for reducing traffic congestion in big cities
Eren et al. Instrumentation for safe vehicular flow in intelligent traffic control systems using wireless networks
CN109064760A (zh) 一种数据驱动的智能鲁棒车速实时规划方法及系统
Bedi et al. A preemptive approach to reduce average queue length in VANETs
Bermudez-Edo et al. Spatio-temporal analysis for smart city data
CN107205046B (zh) 面向智能网联车辆的未来运行工况信息获取系统
JP6793358B2 (ja) 交通信号制御システム、交通管理装置および交通信号制御方法
Deshmukh et al. Integrating Smart Traffic Control Systems with Autonomous Vehicle Corridors: A System-Level Framework for Real-Time Network Coordination in Mixed Urban–Expressway Environments