一种照明系统的智能联动控制方法、装置、设备及介质

技术领域

本申请涉及智能控制技术领域，尤其是一种照明系统的智能联动控制方法、装置、设备及介质。

背景技术

目前各行各业都开展了照明的节能改造。其中有一项改造就是基于智能控制的节能，即基于感应进行灯具的开启、关闭或者变暗。为了节能，一种策略是分散照明，即感应到人或车的单个或者单组灯具功率降低，不会很亮，照明范围有限。但是如果人或车快速移动，感应可能不及时，导致照明体验下降，因此一般这种情况下，会使用联动控制，即单个灯感应到有人了，将相邻的灯也打开。

目前相关技术中，大部分情况下，对存在联动需求的灯，需要人为进行设置，不仅工作量大而且控制粒度粗，容易造成耗电或者照明体验下降。

综上，相关技术存在的问题亟需得到解决。

发明内容

本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。

为此，本申请实施例的一个目的在于提供一种照明系统的智能联动控制方法、装置、设备及介质。

为了达到上述技术目的，本申请实施例所采取的技术方案包括：

一方面，本申请实施例提供了一种照明系统的智能联动控制方法，所述照明系统包括若干照明终端和若干感应终端，每个所述照明终端和一个所述感应终端对应；所述方法包括：

采集预定时间段内各个感应终端的感应数据；

根据所述感应数据，查询第一感应终端触发感应的各个第一时间节点；其中，所述第一感应终端为所有所述感应终端中的任一感应终端；

根据所述感应数据，查询第二感应终端在各个所述第一时间节点之后的指定个数的时间窗口内是否触发感应，根据查询结果统计所述第二感应终端在各个所述时间窗口内对应的触发次数；其中，所述第二感应终端为所有所述感应终端中除所述第一感应终端外的任一感应终端；

按照所述时间窗口的排序，根据所述第二感应终端在各个所述时间窗口内对应的触发次数建立第一序列数据；

将所述第一序列数据输入到训练好的神经网络中，通过所述神经网络对第一感应终端和所述第二感应终端的相邻关系进行预测，得到第一预测结果；所述第一预测结果用于表征所述神经网络预测所述第二感应终端是所述第一感应终端的相邻终端或者第二感应终端不是所述第一感应终端的相邻终端；

根据所述第一预测结果，基于所述第一照明终端的状态对所述第二照明终端进行联动控制；其中，所述第一照明终端为所述第一感应终端对应的照明终端，所述第二照明终端为所述第二感应终端对应的照明终端。

另外，根据本申请上述实施例的一种照明系统的智能联动控制方法，还可以具有以下附加的技术特征：

进一步地，在本申请的一个实施例中，所述将所述第一序列数据输入到训练好的神经网络中，包括：

根据所述预定时间段，查询对应的目标神经网络；

将所述第一序列数据输入到训练好的目标神经网络中。

进一步地，在本申请的一个实施例中，所述神经网络通过以下步骤训练得到：

获取各个样本感应终端的样本感应数据和标签数据；其中，所述标签数据用于表征所述样本感应终端之间相邻关系的真实结果；

根据所述样本感应数据，查询第一样本感应终端触发感应的各个第二时间节点；其中，所述第一样本感应终端为所有所述样本感应终端中的任一感应终端；

根据所述样本感应数据，查询第二样本感应终端在各个所述第二时间节点之后的指定个数的时间窗口内是否触发感应，根据查询结果统计所述第二样本感应终端在各个所述时间窗口内对应的触发次数；其中，所述第二样本感应终端为所有所述样本感应终端中除所述第一样本感应终端外的任一感应终端；

按照所述时间窗口的排序，根据所述第二样本感应终端在各个所述时间窗口内对应的触发次数建立第二序列数据；

将所述第二序列数据输入到待优化的神经网络中，通过所述神经网络对第一样本感应终端和所述第二样本感应终端的相邻关系进行预测，得到第二预测结果；所述第二预测结果用于表征所述神经网络预测所述第二样本感应终端是所述第一样本感应终端的相邻终端或者第二样本感应终端不是所述第一样本感应终端的相邻终端；

根据所述第二预测结果和所述标签数据，确定训练的损失值；

根据所述损失值，对所述神经网络的参数进行更新，得到训练好的神经网络。

进一步地，在本申请的一个实施例中，所述标签数据通过以下步骤确定：

检测目标对象是否可以从所述第一样本感应终端处直接到达所述第二样本感应终端处；

若所述目标对象可以从所述第一样本感应终端处直接到达所述第二样本感应终端处，确定所述第二样本感应终端是所述第一样本感应终端的相邻终端。

进一步地，在本申请的一个实施例中，所述根据所述第二预测结果和所述标签数据，确定训练的损失值，包括：

根据所述第二预测结果和所述标签数据，通过交叉熵损失函数确定训练的损失值。

进一步地，在本申请的一个实施例中，所述通过所述神经网络对第一感应终端和所述第二感应终端的相邻关系进行预测，得到第一预测结果，包括：

通过所述神经网络对第一感应终端和所述第二感应终端的相邻关系进行预测，得到所述第二感应终端是所述第一感应终端的相邻终端的概率结果；

根据所述概率结果，确定第一预测结果。

进一步地，在本申请的一个实施例中，所述时间窗口通过以下方式确定：

获取相邻感应终端之间的距离数据；

根据所述距离数据，确定人员在相邻感应终端之间的移动用时；

根据所述移动用时，确定所述时间窗口。

另一方面，本申请实施例提供一种照明系统的智能联动控制装置，所述系统包括：

采集单元，用于采集预定时间段内各个感应终端的感应数据；

第一查询单元，用于根据所述感应数据，查询第一感应终端触发感应的各个第一时间节点；其中，所述第一感应终端为所有所述感应终端中的任一感应终端；

第二查询单元，用于根据所述感应数据，查询第二感应终端在各个所述第一时间节点之后的指定个数的时间窗口内是否触发感应，根据查询结果统计所述第二感应终端在各个所述时间窗口内对应的触发次数；其中，所述第二感应终端为所有所述感应终端中除所述第一感应终端外的任一感应终端；

建立单元，用于按照所述时间窗口的排序，根据所述第二感应终端在各个所述时间窗口内对应的触发次数建立第一序列数据；

预测单元，用于将所述第一序列数据输入到训练好的神经网络中，通过所述神经网络对第一感应终端和所述第二感应终端的相邻关系进行预测，得到第一预测结果；所述第一预测结果用于表征所述神经网络预测所述第二感应终端是所述第一感应终端的相邻终端或者第二感应终端不是所述第一感应终端的相邻终端；

处理单元，用于根据所述第一预测结果，基于所述第一照明终端的状态对所述第二照明终端进行联动控制；其中，所述第一照明终端为所述第一感应终端对应的照明终端，所述第二照明终端为所述第二感应终端对应的照明终端。

另一方面，本申请实施例提供了一种电子设备，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种照明系统的智能联动控制方法。

另一方面，本申请实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，上述处理器可执行的程序在由处理器执行时用于实现上述的一种照明系统的智能联动控制方法。

本申请的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到：

本申请实施例所公开的一种照明系统的智能联动控制方法、装置、设备及存储介质，采集预定时间段内各个感应终端的感应数据；根据所述感应数据，查询第一感应终端触发感应的各个第一时间节点；其中，所述第一感应终端为所有所述感应终端中的任一感应终端；根据所述感应数据，查询第二感应终端在各个所述第一时间节点之后的指定个数的时间窗口内是否触发感应，根据查询结果统计所述第二感应终端在各个所述时间窗口内对应的触发次数；其中，所述第二感应终端为所有所述感应终端中除所述第一感应终端外的任一感应终端；按照所述时间窗口的排序，根据所述第二感应终端在各个所述时间窗口内对应的触发次数建立第一序列数据；将所述第一序列数据输入到训练好的神经网络中，通过所述神经网络对第一感应终端和所述第二感应终端的相邻关系进行预测，得到第一预测结果；所述第一预测结果用于表征所述神经网络预测所述第二感应终端是所述第一感应终端的相邻终端或者第二感应终端不是所述第一感应终端的相邻终端；根据所述第一预测结果，基于所述第一照明终端的状态对所述第二照明终端进行联动控制；其中，所述第一照明终端为所述第一感应终端对应的照明终端，所述第二照明终端为所述第二感应终端对应的照明终端。该方法能够通过历史感应数据，智能调整感应时需要联动的相邻灯具，实现照明效果与节能达到最佳平衡点，取代人工设置相邻灯具的联动，不仅减少人工成本，而且可以达到更好的照明效果。

附图说明

为了更清楚地说明本申请实施例或者现有技术中的技术方案，下面对本申请实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。

图1为本申请实施例中提供的一种照明系统的智能联动控制方法的实施环境示意图；

图2为本申请实施例中提供的一种照明系统的智能联动控制方法的流程示意图；

图3为本申请实施例中提供的一种照明系统的智能联动控制装置的结构示意图；

图4为本申请实施例中提供的一种电子设备的结构示意图。

具体实施方式

下面结合说明书附图和具体的实施例对本申请进行进一步的说明。所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

目前各行各业都开展了照明的节能改造。其中有一项改造就是基于智能控制的节能，即基于感应进行灯具的开启、关闭或者变暗。为了节能，一种策略是分散照明，即感应到人或车的单个或者单组灯具功率降低，不会很亮，照明范围有限。但是如果人或车快速移动，感应可能不及时，导致照明体验下降，因此一般这种情况下，会使用联动控制，即单个灯感应到有人了，将相邻的灯也打开。

目前相关技术中，大部分情况下，对存在联动需求的灯，需要人为进行设置，不仅工作量大而且控制粒度粗，容易造成耗电或者照明体验下降。示例性地，一个具体的场所里面，需要确定每个感应终端关联的相邻终端。这个相邻终端关系是单向的，例如人可能会从感应终端A不经过其他感应终端移动到感应终端B，那么B是A的相邻终端，或者说A的相邻终端是B，但是如果人极少从B移动到A，那么A不是B的相邻终端。可以看出，由于相邻终端的情况比较复杂，目前更多地是依赖人工，一个场所进行智能照明的施工时，需要施工人员去配置每个感应终端关联的相邻终端。这种实现的缺点主要包括有以下几点：

1、人工能够配置的粒度一般比较粗，容易造成照明死角或者过度照明；

2、如果场所进行了变动，需要重新配置；

3、时间上的人流潮汐现象，导致一套配置不一定管用；

4、人工配置的效果缺乏验证，难以改进。

虽然有些厂家在研究基于位置信息的移动判断，实时判断人或者物的移动方向和速度，从而提前打开移动方向上若干个相邻的灯具。这种也无需人工配置相邻灯具的联动关系，而且还是实时联动，看似非常智能。但是在实际应用中发现，这种实时计算要求感应和定位信息很准，不仅成本很高，而且准确率有限，特别是复数的人或物同时移动的情况下，导致用户投入了大量金钱购买高阶传感和定位设备、投入大量时间录入灯具位置等计算所需预置数据，仍然照明体验很差，不如人工配置。

有鉴于此，本申请实施例中提供一种照明系统的智能联动控制方法，该方法能够通过历史感应数据，智能调整感应时需要联动的相邻灯具，实现照明效果与节能达到最佳平衡点，取代人工设置相邻灯具的联动，不仅减少人工成本，而且可以达到更好的照明效果。

在对本申请实施例中的照明系统的智能联动控制方法进行介绍和说明之前，首先介绍本申请实施例中涉及的照明系统。

参照图1，图1示出了本申请实施例中提供的一种照明系统的构成示意图。在该照明系统中，主要涉及的软硬件主体包括数据汇集终端、数据挖掘模块、感应终端和照明终端。其中，这些终端和模块之间可以通过数据交互，实现本申请实施例中提供的智能联动控制方法。具体地，本申请实施例中，每个照明终端和一个感应终端对应设置，感应终端可以用于检测、感应人体或者移动物体，从而上报感应事件，照明终端则用于照明；数据汇聚终端可以用于存储感应事件，数据挖掘模块可以挖掘存储的感应事件数据，从而方便得出哪些感应终端(照明终端)是相邻的，由数据汇聚终端下发联动邻组配置。后续，当感应终端感应到人体或者移动物体后，可以根据下发的联动邻组配置，实现相邻照明终端的自动化控制。

终端和模块之间可以通过无线网络或有线网络建立通信连接。该无线网络或有线网络使用标准通信技术和/或协议，网络可以设置为因特网，也可以是其它任何网络，例如包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。并且，上述的这些软硬件主体之间，既可以采用相同的通信连接方式，也可以采用不同的通信连接方式，本申请对此不作具体限制。

当然，可以理解的是，图1中的实施环境只是本申请实施例中提供的一种照明系统的智能联动控制方法一些可选的应用场景，实际的应用并不固定为图1所示出的软硬件环境。

下面，结合前述的实施环境的介绍，对本申请实施例中提供的一种照明系统的智能联动控制方法进行介绍和说明。

请参照图2，图2是本申请实施例提供的一种照明系统的智能联动控制方法的示意图，该一种照明系统的智能联动控制方法包括但不限于：

步骤210、采集预定时间段内各个感应终端的感应数据；

步骤220、根据所述感应数据，查询第一感应终端触发感应的各个第一时间节点；其中，所述第一感应终端为所有所述感应终端中的任一感应终端；

步骤230、根据所述感应数据，查询第二感应终端在各个所述第一时间节点之后的指定个数的时间窗口内是否触发感应，根据查询结果统计所述第二感应终端在各个所述时间窗口内对应的触发次数；其中，所述第二感应终端为所有所述感应终端中除所述第一感应终端外的任一感应终端；

步骤240、按照所述时间窗口的排序，根据所述第二感应终端在各个所述时间窗口内对应的触发次数建立第一序列数据；

步骤250、将所述第一序列数据输入到训练好的神经网络中，通过所述神经网络对第一感应终端和所述第二感应终端的相邻关系进行预测，得到第一预测结果；所述第一预测结果用于表征所述神经网络预测所述第二感应终端是所述第一感应终端的相邻终端或者第二感应终端不是所述第一感应终端的相邻终端；

步骤260、根据所述第一预测结果，基于所述第一照明终端的状态对所述第二照明终端进行联动控制；其中，所述第一照明终端为所述第一感应终端对应的照明终端，所述第二照明终端为所述第二感应终端对应的照明终端。

本申请实施例中，提供一种照明系统的智能联动控制方法，能够通过历史感应数据，智能调整感应时需要联动的相邻灯具，实现照明效果与节能达到最佳平衡点，取代人工设置相邻灯具的联动，不仅减少人工成本，而且可以达到更好的照明效果。

本申请实施例中，在预定时间段内，收集各个感应终端的感应数据。这些感应终端可能包括传感器、摄像头或其他设备，本申请对其具体的类型不作限制。此处，感应数据指的是感应终端感应到人体或者移动物体时产生的信号。根据感应数据，可以查询确定出感应终端触发感应的各个时间节点。本申请实施例中，从感应终端内任选一个为例进行说明，将该感应终端记为第一感应终端，第一感应终端触发感应的时间节点记为第一时间节点。

在得到第一时间节点之后，可以根据感应数据，查询各个其他的感应终端在第一时间节点之后是否触发感应。本申请实施例中，将所有感应终端中除第一感应终端外的任一感应终端记为第二感应终端。对应每个第二感应终端，在检测其是否在第一时间节点之后触发感应时，可以在每个第一时间节点之后，划定指定个数的时间窗口，每个时间窗口的时长固定设置，可以设置为50-200毫秒之间，本申请对时间窗口的具体时长不作限制。然后，可以查询第二感应终端在各个时间窗口内是否触发感应，从而确定出第二感应终端在各个时间窗口内对应的触发次数。例如，假设一共设置了10个时间窗口，对于每个第一时间节点，均统计第二感应终端在该第一时间节点后的10个时间窗口是否触发感应，如果触发则累计一次，统计完所有的第一时间节点，即可得到第二感应终端在各个时间窗口内对应的触发次数。

本申请实施例中，在得到第二感应终端在各个所述时间窗口内对应的触发次数后，可以按照时间窗口的排序，根据第二感应终端在各个时间窗口内对应的触发次数建立第一序列数据。例如，假设一个设置了5个时间窗口，共存在3个第一时间节点。第二感应终端在10个时间窗口对应的触发次数分别为2次、4次、4次、1次、0次，则可以建立第一序列数据(2，4，4，1，0)。接着，可以将第一序列数据输入到训练好的神经网络中，通过该神经网络来对第一感应终端和第二感应终端的相邻关系进行预测，得到一个预测结果，记为第一预测结果。第一预测结果用于表征神经网络预测第二感应终端是第一感应终端的相邻终端或者第二感应终端不是第一感应终端的相邻终端。

本申请实施例中，在得到第一预测结果后，可以根据第一预测结果实现照明终端的联动控制。例如，当第一感应终端和第二感应终端存在相邻关系时，第二感应终端是第一感应终端的相邻终端时，可以基于第一照明终端的状态对第二照明终端进行联动控制。这里的第一照明终端为第一感应终端对应的照明终端，第二照明终端为第二感应终端对应的照明终端。

本申请实施例中的照明系统的智能联动控制方法，能够通过历史感应数据，智能调整感应时需要联动的相邻灯具，实现照明效果与节能达到最佳平衡点，取代人工设置相邻灯具的联动，不仅减少人工成本，而且可以达到更好的照明效果。

具体地，在一些实施例中，所述将所述第一序列数据输入到训练好的神经网络中，包括：

根据所述预定时间段，查询对应的目标神经网络；

将所述第一序列数据输入到训练好的目标神经网络中。

本申请实施例中，由于照明系统的使用可能存在时间段的特征。因此，可以针对每个时间段设定对应的神经网络，例如，在上下班高峰期和平常时期，可以对应不同的神经网络模型。通过对应的神经网络实现相关预测，可以提高预测精度，进而方便对照明终端进行高效准确的控制。具体地，本申请实施例中，可以根据预定时间段和神经网络的对应关系，查询确定出当前需要使用的目标神经网络，然后将第一序列数据输入到训练好的目标神经网络中。

具体地，在一些实施例中，所述神经网络通过以下步骤训练得到：

获取各个样本感应终端的样本感应数据和标签数据；其中，所述标签数据用于表征所述样本感应终端之间相邻关系的真实结果；

根据所述样本感应数据，查询第一样本感应终端触发感应的各个第二时间节点；其中，所述第一样本感应终端为所有所述样本感应终端中的任一感应终端；

根据所述样本感应数据，查询第二样本感应终端在各个所述第二时间节点之后的指定个数的时间窗口内是否触发感应，根据查询结果统计所述第二样本感应终端在各个所述时间窗口内对应的触发次数；其中，所述第二样本感应终端为所有所述样本感应终端中除所述第一样本感应终端外的任一感应终端；

按照所述时间窗口的排序，根据所述第二样本感应终端在各个所述时间窗口内对应的触发次数建立第二序列数据；

将所述第二序列数据输入到待优化的神经网络中，通过所述神经网络对第一样本感应终端和所述第二样本感应终端的相邻关系进行预测，得到第二预测结果；所述第二预测结果用于表征所述神经网络预测所述第二样本感应终端是所述第一样本感应终端的相邻终端或者第二样本感应终端不是所述第一样本感应终端的相邻终端；

根据所述第二预测结果和所述标签数据，确定训练的损失值；

根据所述损失值，对所述神经网络的参数进行更新，得到训练好的神经网络。

本申请实施例中，在神经网络使用前，一般要对其进行训练，以使其达到较优的性能。具体地，在对神经网络进行训练时，可以获取批量的训练数据以及标签数据，本申请实施例中，训练数据为各个样本感应终端的样本感应数据，标签数据用于表征样本感应终端之间相邻关系的真实结果。通过和前述类似的方式，基于样本感应数据，可以通过待优化的神经网络进行预测，判断第一样本感应终端和第二样本感应终端的相邻关系，得到一个预测结果，本申请实施例中，记为第二预测结果。然后，根据第二检测结果和标签数据，可以确定出训练的损失值，损失值的大小可以用于衡量模型的准确度。因此，可以根据损失值对模型的参数进行更新，从而得到训练好的神经网络。

需要说明的是，对于人工智能模型来说，它预测的准确度可以通过损失函数(LossFunction)来衡量，损失函数是定义在单个(组)训练数据上的，用于衡量一个训练数据的预测误差。而实际训练时，一个训练数据集有很多训练数据，比如本申请实施例中包括有多组的样本图像数据。因此，一般采用代价函数(Cost Function)来衡量训练数据集的整体误差，代价函数是定义在整个训练数据集上的，用于计算所有训练数据的预测误差的平均值，能够更好地衡量出模型的预测效果。常用的损失函数种类有很多，例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数，在此不再一一阐述。本申请实施例中，可以选用交叉熵损失函数。

本申请实施例中，对于神经网络的参数更新，可以采用循环迭代的方式进行。即更新一轮神经网络的参数后，继续使用更新参数后的神经网络进行预测，确定出新的损失值，然后再次更新神经网络的参数。如此循环往复，直至满足预先设定的训练结束的条件，可以认为训练完成，得到训练好的神经网络。对于训练结束的条件，可以根据实际的需求来设定，本申请对此不作限制。

本申请实施例中，对于标签数据，可以检测目标对象是否可以从第一样本感应终端处直接到达第二样本感应终端处，如果可以的话，则标签数据可以记录第二样本感应终端是第一样本感应终端的相邻终端。相对地，如果不能，则标签数据可以记录第二样本感应终端不是第一样本感应终端的相邻终端。

本申请实施例中，对于神经网络的结构不作限制，其可以根据实际的需求来设定，例如可以使用2个全连接(含relu)加一个决策树(如XGBoost)的结构。

对于神经网络的输出模式，其可以输出一个概率结果，例如，通过神经网络对第一感应终端和第二感应终端的相邻关系进行预测，得到第二感应终端是第一感应终端的相邻终端的概率结果。然后，可以将该概率结果和预设的阈值进行比较，这里的阈值可以设定为0.35-0.8，越大则越节能，越小则照明效果越好。如果概率结果大于或者等于预设阈值，则认为第二感应终端是第一感应终端的相邻终端。如果概率结果小于预设阈值，则认为第二感应终端不是第一感应终端的相邻终端。

在一些实施例中，所述时间窗口通过以下方式确定：

获取相邻感应终端之间的距离数据；

根据所述距离数据，确定人员在相邻感应终端之间的移动用时；

根据所述移动用时，确定所述时间窗口。

本申请实施例中，对于时间窗口的设定，其可以根据相邻感应终端之间的距离数据，结合人员的移动速度，确定人员在相邻感应终端之间的移动用时。然后，可以设定时间窗口为2-4倍的移动用时，对于具体的倍数，本申请不作限制。

本申请实施例中生成的相邻终端配置，可以进行验证和优化，验证方法具体为，在应用配置一段时间后，取这段时间的感应数据，采用同样的方法进行挖掘，将挖掘结果与之前的配置进行对比，可以验证配置的准确率和覆盖率，根据差异可以人工干预或者智能微调实现优化。

参照图3，本申请实施例中提出的一种照明系统的智能联动控制装置，包括：

采集单元310，用于采集预定时间段内各个感应终端的感应数据；

第一查询单元320，用于根据所述感应数据，查询第一感应终端触发感应的各个第一时间节点；其中，所述第一感应终端为所有所述感应终端中的任一感应终端；

第二查询单元330，用于根据所述感应数据，查询第二感应终端在各个所述第一时间节点之后的指定个数的时间窗口内是否触发感应，根据查询结果统计所述第二感应终端在各个所述时间窗口内对应的触发次数；其中，所述第二感应终端为所有所述感应终端中除所述第一感应终端外的任一感应终端；

建立单元340，用于按照所述时间窗口的排序，根据所述第二感应终端在各个所述时间窗口内对应的触发次数建立第一序列数据；

预测单元350，用于将所述第一序列数据输入到训练好的神经网络中，通过所述神经网络对第一感应终端和所述第二感应终端的相邻关系进行预测，得到第一预测结果；所述第一预测结果用于表征所述神经网络预测所述第二感应终端是所述第一感应终端的相邻终端或者第二感应终端不是所述第一感应终端的相邻终端；

处理单元360，用于根据所述第一预测结果，基于所述第一照明终端的状态对所述第二照明终端进行联动控制；其中，所述第一照明终端为所述第一感应终端对应的照明终端，所述第二照明终端为所述第二感应终端对应的照明终端。

可以理解的是，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

参照图4，本申请实施例提供了一种电子设备，包括：

至少一个处理器410；

至少一个存储器420，用于存储至少一个程序；

当至少一个程序被至少一个处理器410执行时，使得至少一个处理器410实现的一种照明系统的智能联动控制方法。

同理，上述方法实施例中的内容均适用于本电子设备实施例中，本电子设备实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

本申请实施例还提供了一种计算机可读存储介质，其中存储有处理器410可执行的程序，处理器410可执行的程序在由处理器410执行时用于执行上述的一种照明系统的智能联动控制方法。

同理，上述方法实施例中的内容均适用于本计算机可读存储介质实施例中，本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或方框有时能以相反顺序被执行。此外，在本申请的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本申请，但应当理解的是，除非另有相反说明，功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本申请是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本申请。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本申请的范围，本申请的范围由所附权利要求书及其等同方案的全部范围来决定。

功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

尽管已经示出和描述了本申请的实施方式，本领域的普通技术人员可以理解：在不脱离本申请的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本申请的范围由权利要求及其等同物限定。

以上是对本申请的较佳实施进行了具体说明，但本申请并不限于实施例，熟悉本领域的技术人员在不违背本申请精神的前提下可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。