基于深度学习的纽约市照明技术更替的实证研究
余兰、
玛丽·曼兹、
莫希特·S·夏尔马、
安德烈亚斯·卡普夫、
费德里卡·B·比安科以及
格雷戈里·多布勒
《Remote Sensing》:An Empirical Measurement of Lighting Technology Changeover in New York City with Deep Learning
Lan Yu,
Mary Manz,
Mohit S. Sharma,
Andreas Karpf,
Federica B. Bianco and
Gregory Dobler
【字体:
大
中
小
】
时间:2026年03月06日
来源:Remote Sensing 4.3
摘要
用高能效的照明产品替代低效率的照明方式,是降低城市能源消耗的有效手段,但对此类政策的效果进行评估仍面临挑战。例如,2013年纽约市启动了一项计划,打算在2017年前将25万盏高压钠灯替换为发光二极管灯,但此后并未公布相关评估结果。在此,我们利用“城市观测站”在2013年和2018年采集的地面高光谱成像数据(波段范围为0.4–1.0微米,共约850个波段),对这一技术转型进行了定量分析。在完成数据配准、瑕疵去除以及光源识别后,我们通过将光谱数据与已知照明类型的光谱模板进行最大相关性分析,以及使用基于1321份手动标注光谱数据训练的一维卷积神经网络,对各类光源进行了分类。针对2013年的数据,各技术类别的平均精确度约为92%;针对2018年的数据,这一数值约为94%。从场景层面的混合模型分析来看,高压钠灯与LED灯的亮度比值从2013年的1.15下降到了2018年的0.27,这充分体现了长期高光谱成像技术在评估城市照明政策效果方面的应用价值。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号