מערכת תאורה חכמה מבוססת בינה מלאכותית לאזורים עירוניים

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

class AdaptiveLightingController:
    """Контроллер адаптивного освещения для группы светильников"""
    def __init__(self, location_lat, location_lon, city_name):
        self.location = LocationInfo(city_name, 'Russia', 'UTC+3', location_lat, location_lon)

    def calculate_dimming_level(self, timestamp, sensor_data):
        """
        Рассчитать уровень диммирования (0.0–1.0).
        sensor_data: {'traffic_count': int, 'pedestrians': int, 'visibility_km': float, 'weather': str}
        """
        # Астрономический расчёт
        s = sun(self.location.observer, date=timestamp.date())
        civil_dusk = s['dusk']
        civil_dawn = s['dawn']

        # Ночное время?
        is_dark = not (civil_dawn < timestamp.replace(tzinfo=civil_dawn.tzinfo) < civil_dusk)
        if not is_dark:
            return 0.0  # выключить днём

        # Базовый уровень по времени ночи
        hour = timestamp.hour
        if 22 <= hour or hour <= 6:
            base_level = 0.5  # поздняя ночь — экономия
        else:
            base_level = 0.8  # вечер/утро — стандарт

        # Корректировка по трафику и пешеходам
        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

        # Погодная 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

לייצור, אנו מכמתים את המודל ל-INT8 ומריצים אותו ב-ONNX Runtime, ומשיגים זמן השהיה מתחת ל-5 אלפיות השנייה על NVIDIA Jetson Orin.

יתרונות תחזוקה חיזוית לתאורת רחוב

השוואה בין גישות מתוכננות לעומת חירום:

דיוק חיזוי התקלות של מודל CatBoost שלנו הוא 92% ב-14 ימים. המאפיינים בהם נעשה שימוש: שעות פעילות, לחץ תרמי, מספר הפעלות, סטיית מתח מהנומינלי. למידת מכונה זו לשירותים ציבוריים מסייעת למנוע הפרעות.

לאימון מודל CatBoost, נדרשים הנתונים הבאים לכל גוף תאורה: 3-6 חודשים של טלמטריה (מתח, זרם, טמפרטורה, הספק), מפרטים (סוג מנורה, הספק, תאריך התקנה), היסטוריית החלפות ותיקונים. אם הנתונים אינם מספיקים, אנו משתמשים ביצירה סינתטית המבוססת על סטטיסטיקות.

ניתוח נתוני וידאו עם YOLOv8

מצלמות על עמודים משתמשות ב-YOLOv8 ובמעקב SORT. המודל סופר כלי רכב והולכי רגל ובונה מפות חום. אירועים (תאונות, נפילות) מזוהים תוך 50 אלפיות השנייה (p99) על NVIDIA Jetson Orin — הכל בקצה, ללא ענן. בהשוואה ל-YOLOv5, YOLOv8 מציג mAP גבוה ב-30% לזיהוי הולכי רגל בלילה, כפי שאושר על מערכי הנתונים שלנו.

השוואת מודלי זיהוי:

ארכיטקטורת המערכת

התקן קצה (NVIDIA Jetson Orin NX 16GB):

• מודל זיהוי: YOLOv8 INT8 מכומת דרך TensorRT
• קצב פריימים: 25 FPS ברזולוציית 1280×720
• צריכת חשמל: 15 W
• קישוריות: Ethernet, גיבוי 4G

רכיבים: מודול הסקת ראייה ממוחשבת, מודול חיזוי תקלות, מודול בקרת DALI/DMX, אינטגרציית GIS ל-API תאורה (QGIS). אנו משתמשים ב-ONNX Runtime להסקה חוצת פלטפורמות.

פריסה: 5 שלבים לפתרון סוהר

1. ביקורת רשת: איסוף 3-6 חודשים של טלמטריה, מפרטי גופי תאורה, תרשים פריסה.
2. תכנון: הגדרת אזורי עמעום, מיקום חיישנים, בחירת בקרים.
3. פיתוח מודל ML: אימון מודל זיהוי על נתונים סינתטיים, כימות ל-INT8.
4. אינטגרציה: חיבור ל-GIS, SCADA, הגדרת פרוטוקול DALI.
5. תיעוד והדרכה: מתן כרטיס מודל, תקנות תפעול וקורס הדרכה של 8 שעות למפעילים.

מה מקבלים כתוצאה

• כרטיס מודל לכל מודל עם מדדים ומגבלות.
• תקנות תפעול למערכת בקרת התאורה.
• קורס הדרכה של 8 שעות למפעילים.
• תיעוד API לאינטגרציית GIS ו-SCADA.
• תמיכה באחריות ל-12 חודשים ושירות לאחר אחריות.

לוחות זמנים ותקציב משוערים

פתרון סוהר עם עמעום אדפטיבי ותחזוקה חיזוית נפרס תוך 2–4 חודשים באתר פיילוט של עד 100 גופי תאורה. העלות הסופית תלויה במספר גופי התאורה, מורכבות האינטגרציה והרכב המודולים. חיסכון בתקציב החשמל — עד 70%, חיסכון בהחלפות חירום — עד 60%. החזר השקעה תוך פחות משנתיים.

כל נתוני הווידאו מעובדים מקומית על Jetson — הנתונים לעולם אינם עוזבים את גבולות העיר. אנו מבטיחים הפחתה של 40–70% בצריכת האנרגיה, שאושרה ביותר מ-50 פריסות בערים עם אוכלוסייה מעל 50,000. עם ניסיון של למעלה מ-7 שנים ב-AI לשירותים ציבוריים ויותר מ-50 פרויקטים מוצלחים, אנו מבטיחים פתרונות אמינים.

צרו קשר כדי לדון בפרויקט פיילוט. הזמינו ביקורת של מערכת התאורה הקיימת שלכם — נציע תוכנית מודרניזציה עם חישוב ROI. קבלו ייעוץ על בחירת מחסנית הטכנולוגיה והארכיטקטורה. אנו מציעים יישומים סוהרים תוך 2-4 חודשים.