本发明涉及大数据分析，具体为一种基于大数据的管理分析的方法及系统。
背景技术：
1、智慧城市通过信息化手段和智能管理来优化城市基础设施和公共服务。在智慧城市的众多领域中，智能照明系统是一个重要的组成部分，尤其是在公共场所如公园等区域，智能照明可以显著提升能源利用效率。在公园智能照明系统中，路灯的智能化调控能够根据实时环境变化如自然光强、交通流量和人口密度等自动调整照明强度，降低能耗，改善照明质量，同时保障市民夜间活动的安全性与舒适度。
2、现阶段当前的公园照明系统面临的主要问题是能源浪费和照明效率低下。传统的照明系统无法根据实时需求动态调整照明强度，通常是按照预设的时间和亮度进行控制，不考虑环境条件的变化。这种固定的照明方式，导致在某些情况下如白天和天气晴朗时过度照明，浪费电力资源；而在其他情况下如天气阴沉或人流密集时，照明不足，影响市民的使用体验和安全。虽然一些照明系统已具备初步的自动化控制功能，但往往缺乏数据驱动的动态优化机制，难以实现智能化的实时调节。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于大数据的管理分析的方法及系统，解决了背景技术中提到的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：包括以下步骤：
3、s1、在公园的建筑物顶部安装传感器组，实时采集公园光照需求数据，并构建大数据管理平台，同时在大数据管理平台中设置大数据采集工具，实时采集非线性项；
4、s2、在使用无线通信网络将集成传感器组与大数据管理平台进行连接，在大数据管理平台中实时接收公园光照需求数据，并与非线性项进行整合为光照需求数据集，并对光照需求数据集进行时间序列特征提取，获取照明需求特征向量集，再构建时序数据库，将照明需求特征向量集按照时间顺序进行存储；
5、s3、构建光照需求预测算法模型，并提取照明需求特征向量集，输入到光照需求预测算法模型中，进行计算输出光照需求系数lreq（t），再结合照明需求特征向量集的非线性项，进行计算输出光照需求非线性系数lfxx（t），进一步细化光照需求预测；
6、s4、基于所获取的光照需求非线性系数lfxx（t）与公园路灯实际输出光照值lout（t）进行初步对比评估分析时间公园路灯的时间光照输出情况，并基于评估结果，执行公园路灯自适应功率调节机制，输出路灯优化功率值padj（t）对公园路灯进行初步自适应功率调节；
7、s5、再初步自适应功率调节完毕后，将路灯优化功率值padj（t）、光照需求非线性系数lfxx（t）和实际输出光照值lout（t）进行相关联计算输出反馈指标fbi（t），并预设能耗阈值t与反馈指标fbi（t）进行二次对比评估，分析公园路灯能耗输出情况，并基于二次对比评估结果，生成迭代机制。
8、优选的，s1包括s11和s12；
9、s11、在公园区域内的建筑物顶部，安装传感器组，并将集成传感器组的采集频率设置为每小时采集一次，进行采集公园光照需求数据；
10、集成传感器组包括环境光传感器、环境噪声传感器、环境光污染监测仪、雷达测速器和红外线检测设备；
11、公园光照需求数据包括天空亮度指数sli、环境噪声水平nlv、光污染指数lpi、车流速度tvs和人口密集度pcd；
12、s12、构建大数据管理平台并在大数据管理平台内部设置大数据采集工具，实时采集非线性项；
13、大数据采集工具包括api应用程序接口和社交媒体爬虫；
14、非线性项包括天气数据wth、节日时间数据evt和能耗历史数据pwr；
15、天气数据wth和能耗历史数据pwr通过api应用程序接口分别与第三方气象数据平台和公园能耗管理系统ems进行集成实时采集获取；
16、节日时间数据evt通过社交媒体爬虫，爬取社交媒体上的关键词和地理位置信息，再通过自然语言处理和大数据分析技术，预测影响照明需求的突发事件。
17、优选的，s2包括s21、s22和s23；
18、s21、通过nb-lot无线通讯技术，将集成传感器组与大数据管理平台进行集成连接，将集成传感器组采集到的公园光照需求数据，通过mqtt数据传输协议传输到大数据管理平台中；
19、s22、在大数据管理平台中，实时接收采集到公园光照需求数据，并与大数据管理平台中的非线性项进行整合，获取光照需求数据集，并对光照需求数据集基于采集时间进行时间序列特征提取，获取照明需求特征向量集；
20、照明需求特征向量集包括t时刻天空亮度指数sli（t）、t时刻环境噪声水平nlv（t）、t时刻光污染指数lpi（t）、t时刻车流速度tvs（t）、t时刻人口密集度pcd（t）和非线性项；
21、非线性项包括t时刻天气数据wth（t）、t时刻节日时间数据evt（t）和t时刻能耗历史数据pwr（t）；
22、s23、通过构建时序数据库，并在时序数据库中设置实时数据表和历史数据表，通过时序数据库的写入端口将照明需求特征向量集通，写入实时数据表中，并将原始实时数据表中的照明需求特征向量集，自动转存到历史数据表中，并在历史数据表中，按照时间顺序进行排列。
23、优选的，s3包括s31和s32；
24、s31、构建光照需求预测算法模型，通过时序数据库的写出端口提取实时数据表中的照明需求特征向量集输入光照需求预测算法模型，进行计算输出光照需求系数lreq（t）；
25、光照需求系数lreq（t）通过以下光照需求预测算法模型计算输出；
26、；
27、式中，e表示指数函数，log表示对数函数，a1、a2、a3、a4和a5分别表示天空亮度指数sli、环境噪声水平nlv、光污染指数lpi、车流速度tvs和人口密集度pcd的预设权重值，且a1+a2+a3+a4+a5=1，其具体数值由用户进行设定，表示天空亮度与光照需求成反比关系，天亮时照明需求降低，表示噪音水平对光照需求的影响是递增的，但随着噪音增大，需求增长逐渐趋于缓和，表示光污染指数对光照需求的影响呈指数递减，外部光源越强，照明需求越低，表示车速越快，光照需求的增加速度放缓，体现了车速与光照需求的非线性关系。
28、优选的，s32、基于所获取的光照需求系数lreq（t），结合照明需求特征向量集中的非线性项和参数交互作用，进行计算输出光照需求非线性系数lfxx（t），优化预测的准确性；
29、光照需求非线性系数lfxx（t）通过以下算法公式计算输出；
30、；
31、式中，表示车流速度tvs和人口密集度pcd之间的交互作用，在人流密集的区域，即使车速较慢，仍需要较强的照明来确保安全，b1、b2、b3和b4分别表示车流速度tvs和人口密集度pcd之间的交互作用、天气数据wth、节日时间数据evt和能耗历史数据pwr的预设权重值，且b1+b2+b3+b4=1，其具体数值由用户进行设定。
32、优选的，s4包括s41和s42；
33、s41、通过公园路灯内置的光照强度传感器，实时检测获取当前时刻公园路灯的实际输出光照lout（t），再实际输出光照lout（t）与所获取的光照需求非线性系数lfxx（t）进行初步对比评估，分析当前公园路灯的光照输出与预测光照需求情况，具体评估内容如下；
34、当实际输出光照lout（t）＞光照需求非线性系数lfxx（t），表示公园路灯光照明存在过度照明现象，此时执行自适应调整机制；
35、当光照需求非线性系数lfxx（t），表示公园路灯光照明负荷预期效果，无需自适应功率调节；
36、当实际输出光照lout（t）＜光照需求非线性系数lfxx（t），表示公园路灯光照明存在照明不足现象，此时执行自适应调整机制。
37、优选的，s42、再初步对比评估出公园区域的路灯存在过度照明和照明不足现象时，自动执行自适应功率调节机制，自适应功率调节机制，通过引入光照需求非线性系数lfxx（t）与公园路灯实际输出光照值lout（t）的光照偏差，计算输出路灯优化功率值padj（t），进行初步自动调整公园路灯功率；
38、路灯优化功率值padj（t）通过以下算法公式计算输出；
39、；
40、式中，pmax表示路灯功率输出上限，lmax表示路灯光照强度上限，表示效能调节系数，用于控制功率输出的非线性变化，确保功率和光照需求的平衡，表示光照偏差。
41、优选的，s5包括s51和s52；
42、s51、基于初步自动调整公园路灯功率获取的路灯优化功率值padj（t），结合光照偏差，进行相关联计算输出反馈指标fbi（t），分析初步自适应功率调节后公园路灯的综合能耗情况；
43、反馈指标fbi（t）通过以下算法公式计算输出；
44、；
45、式中，表示能耗权重系数，其具体数值由用户进行设定。
46、优选的，s52、基于用户结合公园能耗标准进行预设能耗阈值t，再与所获取的反馈指标fbi（t），进行二次对比评估，分析公园路灯再初步自适应功率调节后能耗情况，并基于二次对比评估结果生成迭代机制，具体评估结果如下；
47、当反馈指标fbi（t）≤能耗阈值t时，表示公园路灯能耗正常，此时无需进行调整，持续监测；
48、当反馈指标fbi（t）＞能耗阈值t时，表示公园路灯能耗异常，此时迭代执行自适应功率调节机制，直至能耗正常停止迭代。
49、一种基于大数据的管理分析的系统，包括光照需求采集模块、数据传输与特征提取模块、光照需求预测分析模块、能效优化功率输出模块和能耗反馈与分析模块；
50、照需求采集模块通过在公园的建筑物顶部安装传感器组，实时采集公园光照需求数据，并构建大数据管理平台，同时在大数据管理平台中设置大数据采集工具，实时采集非线性项；
51、数据传输与特征提取模块通过使用无线通信网络将集成传感器组与大数据管理平台进行连接，在大数据管理平台中实时接收公园光照需求数据，并与非线性项进行整合为光照需求数据集，并对光照需求数据集进行时间序列特征提取，获取照明需求特征向量集，再构建时序数据库，将照明需求特征向量集按照时间顺序进行存储；
52、光照需求预测分析模块通过构建光照需求预测算法模型，并提取照明需求特征向量集，输入到光照需求预测算法模型中，进行计算输出光照需求系数lreq（t），再结合照明需求特征向量集的非线性项，进行计算输出光照需求非线性系数lfxx（t），进一步细化光照需求预测；
53、能效优化功率输出模块通过基于所获取的光照需求非线性系数lfxx（t）与公园路灯实际输出光照值lout（t）进行初步对比评估分析时间公园路灯的时间光照输出情况，并基于评估结果，执行公园路灯自适应功率调节机制，输出路灯优化功率值padj（t）对公园路灯进行初步自适应功率调节；
54、能耗反馈与分析模块通过再初步自适应功率调节完毕后，将路灯优化功率值padj（t）、光照需求非线性系数lfxx（t）和实际输出光照值lout（t）进行相关联计算输出反馈指标fbi（t），并预设能耗阈值t与反馈指标fbi（t）进行二次对比评估，分析公园路灯能耗输出情况，并基于二次对比评估结果，生成迭代机制。
55、本发明提供了一种基于大数据的管理分析的方法及系统。具备以下有益效果：
56、（1）该方法通过在公园的建筑物顶部安装传感器组，实时采集公园的光照需求数据，并将这些数据通过无线通信网络传输至大数据管理平台。在大数据管理平台中，公园的光照需求数据与其他数据源进行整合，生成完整的光照需求数据集。通过构建光照需求预测算法模型，该方法能够实时计算输出光照需求系数lreq(t)以及光照需求的非线性系数lfxx(t)，进一步细化预测结果。在执行自适应功率调节时，系统基于当前光照需求与实际输出的对比，调整路灯的功率输出，确保照明强度恰到好处。这种精准匹配照明需求与实际光照输出的能力大幅提升了能源利用效率，避免了过度照明现象，减少了公园的整体能耗。尤其是在自然光充足的时段或人流较少的区域，系统能够自动调低功率，实现显著的节能效果。
57、（2）该方法通过构建反馈机制，持续监控路灯的实际输出功率lout(t)与光照需求非线性系数lfxx(t)的对比情况，生成反馈指标fbi(t)并设定能耗阈值ttt。当反馈指标fbi(t)超过能耗阈值t时，系统会自动执行自适应功率调节机制，迭代优化路灯的功率输出，直至能耗恢复正常。该反馈机制能够对每个时间段内的能耗情况进行详细分析，确保能耗始终处于合理水平。此外，通过二次对比评估，系统可以针对能耗异常或照明不足的情况进行精细调整，自动生成迭代机制，持续优化能耗表现。这种机制减少了对人工干预的依赖，降低了公园照明系统的维护成本。更重要的是，它确保了系统长期处于高效运行状态，避免了光照过度或不足对公园内活动和安全产生的负面影响，保障公园照明系统的可持续性与稳定性。
1.一种基于大数据的管理分析的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于大数据的管理分析的方法，其特征在于：所述s1包括s11和s12；
3.根据权利要求2所述的一种基于大数据的管理分析的方法，其特征在于：所述s2包括s21、s22和s23；
4.根据权利要求3所述的一种基于大数据的管理分析的方法，其特征在于：所述s3包括s31和s32；
5.根据权利要求4所述的一种基于大数据的管理分析的方法，其特征在于：s32、基于所获取的光照需求系数lreq（t），结合照明需求特征向量集中的非线性项和参数交互作用，进行计算输出光照需求非线性系数lfxx（t）；
6.根据权利要求5所述的一种基于大数据的管理分析的方法，其特征在于：所述s4包括s41和s42；
7.根据权利要求6所述的一种基于大数据的管理分析的方法，其特征在于：s42、在初步对比评估出公园区域的路灯存在过度照明和照明不足现象时，自动执行自适应功率调节机制，所述自适应功率调节机制，通过引入光照需求非线性系数lfxx（t）与公园路灯实际输出光照值lout（t）的光照偏差，计算输出路灯优化功率值padj（t），进行初步自适应功率调节公园路灯功率；
8.根据权利要求6所述的一种基于大数据的管理分析的方法，其特征在于：所述s5包括s51和s52；
9.根据权利要求8所述的一种基于大数据的管理分析的方法，其特征在于：s52、基于用户结合公园能耗标准进行预设能耗阈值t，再与所获取的反馈指标fbi（t），进行二次对比评估，分析公园路灯再初步自适应功率调节后能耗情况，并基于二次对比评估结果生成迭代机制，具体评估结果如下；
10.一种基于大数据的管理分析的系统，应用于权利要求1-9任一项所述的一种基于大数据的管理分析的方法，其特征在于：包括光照需求采集模块、数据传输与特征提取模块、光照需求预测分析模块、能效优化功率输出模块和能耗反馈与分析模块；
