1. 緒論
室內照明設計對於人體舒適度與能源效率至關重要。在辦公室等環境中,照明常維持在最高亮度,導致顯著且不必要的能源消耗,可能佔建築物總用電量的15%以上。本文介紹隱形光控開關 (ILS),這是一個新穎的系統,透過根據室內人員的實際需求與感知動態調整照明來解決此問題,從而實現顯著的節能效果,同時不影響使用者的舒適度。
2. 隱形光控開關 (ILS) 系統
2.1 核心概念與動機
ILS 的運作基於以人為本的原則:它會調暗不在人員視野範圍(視錐體)內的燈具,因為來自這些光源的光線對其感知亮度沒有貢獻。這在大型開放式辦公室中特別有效,因為可能僅為一個人而開啟多盞燈。目標是透過維持恆定的感知亮度水平,讓使用者「看不見」節能過程。
2.2 系統流程概述
整體流程(如PDF中的圖2所示)包含幾個關鍵步驟:
- 輸入擷取:從攝影機系統擷取RGBD(彩色與深度)資料。
- 場景分析:系統重建場景的3D幾何結構,並估計材料的光度特性。
- 人本分析:偵測人員存在並估計頭部姿態(視線方向)。
- 光線控制:輸出驅動節能框架,智慧控制個別燈具。
3. 技術方法論
3.1 從RGBD輸入進行場景分析
系統利用RGBD影像建立室內環境的3D模型。這包括識別表面、其方向以及材料特性(例如反射率),這些對於準確的光線傳輸模擬至關重要。
3.2 人體偵測與頭部姿態估計
採用電腦視覺技術來偵測場景中的人員並估計其頭部姿態。計算視錐體——從人的視點可見的空間體積。位於此視錐體外的燈具是調暗的候選對象。
3.3 基於輻射度法的亮度水平估計
ILS的核心是一個輻射度模型。輻射度是一種全域照明演算法,模擬光線在漫射表面之間相互反射的方式。該模型估計到達空間中特定點(此處為人眼的大致位置)的光量(以勒克斯為單位),同時考慮來自燈具和表面的所有直接與間接光線貢獻。
能源消耗(基準)
18585 W
未使用ILS的每日消耗
能源消耗(使用ILS)
6206 W
使用ILS控制的每日消耗
系統負載
1560 W
ILS運作所需電力
感知亮度下降
~200 Lux
對使用者而言可忽略的下降
4. 實驗設置與結果
4.1 使用照度計收集資料集
為驗證系統,作者收集了一個新穎的資料集,讓辦公室環境中的參與者佩戴照度計裝置。這些裝置測量人員視線處的實際照度(勒克斯),作為「感知」亮度水平的真實基準。
4.2 節能效能表現
在一個配備8個LED燈具的測試房間中,ILS展現了顯著的節能效果。每日能源消耗從18,585瓦(燈光常開)降低至6,206瓦,而系統本身運作(感測器、計算)消耗了1,560瓦。這代表每日淨節省超過10,000瓦。
4.3 感知亮度水平分析
關鍵在於,實現如此顯著的節能效果僅伴隨著感知亮度水平的輕微下降——大約200勒克斯。作者認為,當基準辦公室照度高於1200勒克斯時,此下降量可忽略不計,因為它不影響視覺舒適度或任務表現。
5. 關鍵見解與討論
- 人本控制 vs. 僅偵測存在: ILS超越了簡單的存在感測器,它考慮的是人員看見了什麼,而不僅僅是他們是否存在。
- 權衡管理: 系統成功管理了節能與使用者舒適度之間的權衡,這是智慧建築設計的核心挑戰。
- 開放式辦公室的擴展性: 在大型開放空間中,傳統分區控制效率低下,此系統的效益更為顯著。
- 透過新穎資料驗證: 使用可穿戴照度計提供了一個強健、以使用者為中心的驗證指標,這在類似研究中常被忽略。
6. 技術細節與數學公式
用於漫射環境的輻射度法可以透過描述表面面片之間光線交換的核心方程式來總結:
$$B_i = E_i + \rho_i \sum_{j=1}^{n} B_j F_{ji}$$
其中:
- $B_i$ 是面片 $i$ 的輻射度(離開的總光量)。
- $E_i$ 是面片 $i$ 的發射率(直接發射的光量)(對於燈具不為零)。
- $\rho_i$ 是面片 $i$ 的反射率。
- $F_{ji}$ 是形狀因子,一個幾何項,表示離開面片 $j$ 的光線中到達面片 $i$ 的比例。這是根據3D場景幾何計算的,是決定燈具與使用者視點之間可見性的關鍵。
7. 分析框架:核心洞見與評論
核心洞見: 本文的巧妙之處在於將照明控制問題從「房間是否有人?」重新定義為「使用者實際感知到什麼光線?」。這種感知上的轉變,藉由經典的輻射度模型與現代RGBD感測技術實現,開啟了呆板的存在感測器或簡單排程無法觸及的節能潛力。這是將電腦視覺應用於平凡但成本高昂的現實問題的絕佳範例。
邏輯流程: 論證堅實:1) 照明是主要的能源消耗點。2) 現有控制方式粗糙。3) 人類感知是「足夠光線」的真正基準。4) 我們可以透過幾何與視線來模擬感知。5) 因此,我們可以調暗看不見的燈光。關於能源與勒克斯下降的實驗數據清晰地完成了這個邏輯迴圈。
優點與缺陷: 其優點無可否認——照明能源減少66%是一個足以在董事會報告的數字。使用物理光線傳輸模型(輻射度)比黑箱深度學習方法更具原則性,提供了可解釋性。然而,缺陷在於細節。系統負載(1560W)高得可疑——幾乎是節省電力的四分之一。這是原型機的瑕疵,還是根本成本?在動態辦公室(有移動的椅子、海報等)中依賴準確的3D重建與材料估計,是擴展性的警訊。正如關於CycleGAN(Zhu等人,2017)的開創性研究所顯示,非配對的圖像到圖像轉換可以處理風格變化,但用於光線模擬的精確幾何是一個更困難、結構性更強的問題。
可行見解: 對於建築管理者而言,初步結果足以說服在受控區域進行試驗。對於研究人員,下一步很明確:大幅降低系統的運作功耗。用學習到的輕量代理模型取代重量級的輻射度求解器——例如一個在合成資料上訓練的專用、高效神經網路,類似於神經輻射場(NeRFs)的趨勢。與燈具製造商合作,將最小化的感測與計算直接嵌入燈具中,建立一個分散式、低負載的網狀網路。未來不是一個分析RGBD串流的中樞大腦,而是一群智慧、能互相通訊的燈泡。
8. 未來應用與研究方向
- 與物聯網及數位孿生整合: ILS可以成為建築數位孿生的關鍵組成部分,提供與BIM(建築資訊模型)資料連結的細粒度、即時控制。
- 個人化照明環境: 擴展系統以考慮個人使用者偏好或符合健康與福祉的晝夜節律照明需求。
- 先進感測: 超越RGBD,納入光譜感測器以更好地模擬光線品質與色彩演色性對感知的影響。
- 機器學習最佳化: 以深度學習模型取代或增強輻射度求解器,以在高度動態的環境中實現更快、自適應的控制。
- 標準化與互通性: 為類似ILS的系統開發開放協定,以便與建築管理系統(BMS)及其他智慧裝置通訊。
9. 參考文獻
- Tsesmelis, T., Hasan, I., Cristani, M., Del Bue, A., & Galasso, F. (2019). Human-centric light sensing and estimation from RGBD images: The invisible light switch. arXiv preprint arXiv:1901.10772.
- International Association of Lighting Designers (IALD). (n.d.). What is Lighting Design? Retrieved from IALD website.
- Kralikova, R., & Wessely, E. (2012). Energy efficiency in buildings. Applied Mechanics and Materials.
- Zhou, X., et al. (2018). A review on lighting energy consumption in commercial buildings. Energy and Buildings.
- Zhu, J., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE international conference on computer vision (pp. 2223-2232).
- Mildenhall, B., Srinivasan, P. P., Tancik, M., Barron, J. T., Ramamoorthi, R., & Ng, R. (2020). NeRF: Representing scenes as neural radiance fields for view synthesis. Communications of the ACM.