Розробка AI-системи управління освітленням міста Smart Lighting

Розробка AI-системи керування освітленням міста Smart Lighting

Міське вуличне освітлення — один з найбільших споживачів електроенергії муніципалітету: 30–40% від комунальних витрат на електроенергію. Smart Lighting зменшує це споживання на 40–70% при збереженні та поліпшенні безпеки.

Адаптивне керування рівнем освітлення

Логіка адаптивного диммування:

Інтенсивність освітлення підбирається під реальні умови:

• Час доби + астрономічний розрахунок (світанок/сутінки без датчиків)
• Транспортний потік: датчики або аналіз відео → при відсутності руху — знизити до 30%
• Пішохідна активність: PIR або CV-лічильники → наявність людей → яскравість 100%
• Погода: туман, сніг → збільшити яскравість вище номіналу

import numpy as np
from astral import LocationInfo
from astral.sun import sun
import datetime

class AdaptiveLightingController:
    """Контролер адаптивного освітлення для групи світильників"""

    def __init__(self, location_lat, location_lon, city_name):
        self.location = LocationInfo(city_name, 'Ukraine', 'UTC+2',
                                    location_lat, location_lon)

    def calculate_dimming_level(self, timestamp, sensor_data):
        """
        Розрахувати рівень диммування (0.0–1.0).
        sensor_data: {'traffic_count': int, 'pedestrians': int,
                     'visibility_km': float, 'weather': str}
        """
        # Астрономічний розрахунок
        s = sun(self.location.observer, date=timestamp.date())
        civil_dusk = s['dusk']
        civil_dawn = s['dawn']

        # Нічне час?
        is_dark = not (civil_dawn < timestamp.replace(tzinfo=civil_dawn.tzinfo) < civil_dusk)
        if not is_dark:
            return 0.0  # вимкнути вдень

        # Базовий рівень по часу ночі
        hour = timestamp.hour
        if 22 <= hour or hour <= 6:
            base_level = 0.5  # пізня ніч — економія
        else:
            base_level = 0.8  # вечір/ранок — стандарт

        # Коригування по трафіку та пішоходам
        activity = sensor_data.get('traffic_count', 0) + sensor_data.get('pedestrians', 0)
        if activity > 10:
            activity_level = 1.0
        elif activity > 3:
            activity_level = 0.8
        elif activity > 0:
            activity_level = 0.6
        else:
            activity_level = 0.3

        # Погодна поправка
        weather_factor = 1.3 if sensor_data.get('weather') in ['fog', 'snow'] else 1.0

        final_level = min(1.0, max(base_level, activity_level) * weather_factor)
        return final_level

Прогнозуюче обслуговування світильників

Моніторинг стану LED:

Розумні світильники з телеметрією передають:

• Споживання потужності: зниження >20% від номіналу → деградація LED
• Температура модуля: перегрів → скорочення терміну служби
• Напруга живлення: скачки → ризик пошкодження

Прогноз заміни ламп:

ML-модель на даних телеметрії + паспортних характеристиках:

• Час напрацювання (години)
• Тепловий стрес (накопичене температурне навантаження)
• Кількість включень/вимикань (термоциклювання)
• Прогноз залишкового ресурсу → планова заміна до аварійного відмовлення

Економія на заміні: аварійна заміна обходиться в 2–3 рази дорожче плановою (вичислення аварійної бригади вночі, терміновість).

Аналіз відеоданих для керування

Підрахунок трафіку та пішоходів:

Камери на стовпах освітлення:

• YOLOv8 + SORT tracker → підрахунок ТЗ та пішоходів в реальному часі
• Карти теплоти активності по часу доби та дням тижня
• Прогноз активності → упереджуюче підвищення яскравості

Детекція ДТП та інцидентів:

Anomaly detection на відеопотоці: різке зміна сцени (зіткнення, падіння людини) → alert у чергову службу. Зниження часу реагування на ДТП з 8–15 до 2–4 хвилин.

Керування мережею освітлення

Топологія та втрати:

Карта мережі освітлення в GIS (QGIS, ArcGIS) → ML-оптимізація групування:

• Зонування: різні сценарії для житлових, промислових, торгових зон
• Балансування навантаження між фідерами
• Детекція несанкціонованих підключень (крадіжка електроенергії)

KPI системи:

Тривалість розробки: 2–4 місяця для Smart Lighting системи з адаптивним диммуванням, прогнозуючим обслуговуванням та інтеграцією в міську ГІС.