基于视觉图像的城市照明美学评价研究

城市照明是现代城市文明的典型标识,对于交通安全保障、人居环境建设、城市形象表达、经济发展促进等方面发挥重要作用。作为城市照明的重要组成部分,景观照明结合城市历史底蕴与文化特色,能够提升人民幸福感知与艺术审美。本研究将计算机视觉和图像处理方法引入城市照明,构建基于景观照明图像的美学数据集,提取和筛选有效美学特征,优化机器学习算法形成具有准确性、有效性和高精度的粒子群优化算法—反向传播神经网络(PSO-BPNN)景观照明美学评价模型,并针对实际照明工程开展美学效果的客观定量评估。结果显示,平均相对误差(MRE)仅为8.26%,具有客观性和普适性。可见,本研究探索的基于视觉图像的照明美学评价应用方法,可为城市照明发展提供技术支持和参考依据,助力推进数字城市治理现代化的建设进程。

办公空间健康光环境的控制模型

办公空间使用者活动的固定性和长期性要求办公空间能够为使用者提供健康的光环境。研究表明,色温和照度对人中枢神经系统有极大的影响,通过调节色温和照度可以提高大脑兴奋缓解大脑疲劳。引入天然光的室内光环境中,照度和光色分布受到照明灯具和天然光的双重影响,呈现一种复杂耦合关系。目前大部分室内光环境的控制中室内照度和环境光色的控制是分离的。针对办公空间的动态光环境,定义任意时刻进入室内的天然光和室内LED光源为"混合光源",此时"混合光源"的色温为"视色温"。基于此,提出了室内健康光环境控制模型,即通过控制天然采光与LED灯具输出的光通量和色温,在天然光与人工照明混合照明的光环境中,实现工作面满足照度均匀度的同时,混合视色温可调且有较好的均匀性。