我国专卖店照明的能耗预测模型与主观评价研究

蔡宙燊， 张 昕， 张宇涛

(1.清华大学建筑学院，北京 100084；2．广东三雄极光照明股份有限公司，广东 广州 511495)



我国专卖店照明的能耗预测模型与主观评价研究

蔡宙燊1， 张 昕1， 张宇涛2

(1.清华大学建筑学院，北京 100084；2．广东三雄极光照明股份有限公司，广东 广州 511495)

专卖店的照明能耗在其室内总能耗中占最大比例。对其照明现状的分析梳理，对于优化专卖店的照明设计具有重要意义。基于实测数据和主观评价，本文对全国173家专卖店的照明现状进行统计分析，建立了照明能耗模型。研究表明，我国专卖店照明具有较大节能潜力。

专卖店；照明能耗预测模型；照明节能；照明造价；视觉满意度

引言

专卖店是专业经营某一品牌商品的零售商店。因其主要经营单一名牌特色精品，既有利于促销又受到相当部分固定消费者的欢迎，包括生产厂商自己设置的和厂商授权的特许经营店[1]。我国专卖店2013年年末零售营业面积为477.8万m2，从业人数16.1万人，总店数量318个，门店数量26 113个，商品销售额1 582.7亿元[2]。在西方国家，零售建筑能耗在服务业领域中是占比最高的，约占总建筑能耗的21%[3-4]。照明在零售建筑能耗中占比最高，在美国约占30.1%[3]，在英国约占34.0%[4]。根据预测，中国商业照明需求的年均增长率为5.9%，总量将从2002年的1 587万亿lm/h增长为2020年的4 462万亿lm/h。由于缺少我国基本的零售照明数据，很难明确掌握目前在宏观层面的具体情形[5]。国内研究主要针对专卖店的照明设计：梅剑平[6]指出家具专卖店中喜好性氛围与场景光分布均匀性、亮部集中区域有关；王丹[7]指出专卖店照明常用三类光源(陶瓷金卤灯、节能灯、低压卤钨灯)中陶瓷金卤灯的照明质量和光源节能为最优；袁樵[8]提出专卖店橱窗的照明设计手法。国外研究更关注能耗：Einsporn等[9]指出LED、荧光灯、节能灯、白炽灯的能耗差异；Lee等[10]指出高效的照明系统、暖通空调、冷藏设备等可将台湾便利店的能耗降低26%；Jaber等[11]指出在约旦能耗偏高归咎于夏天过度照明和大量使用空调；Lam等[12]指出在亚热带地区的购物中心，空调和照明占建筑能耗的85%。

本文旨在通过对全国各地173家专卖店的分析，从客观数据和主观评价两方面探讨我国专卖店的照明特征，建立专卖店照明能耗的数学模型，挖掘节能潜力，探讨客观参数与主观视觉满意度的关联方式。

1 研究方法

1.1 数据采集

本文的实测数据来源于全国各地173家专卖店，约占全国专卖店总门店数的0.66%。样本取自全国32个地级市，在东部、中部、东北及西部均有分布，其中东部样本占总数的48.0%，西部样本占总数的34.1%，东北样本占总数的5.8%。调研内容和方法如表1所示。

表1 调研内容与调研方法Table 1 Lighting topics and methods

对几项关键数据作如下解释：

1)开敞空间水平照度。开敞空间指在一个标准柱网单元内无货架、柜台等遮挡的空间。开敞空间水平照度为每家店三处开敞空间水平照度平均值的平均值(不按面积加权)。

2)典型货架照度。选取具有代表性的货架，测量货架之间通道的水平照度，并计算水平照度平均值和均匀度，取3处货架通道的平均值作为该店典型货架位置水平照度和水平照度均匀度；以上通道处货架实测低(0.2 m)、中(1.0 m)、高(2.0 m)三个位置的垂直照度，并分别计算垂直照度平均值和均匀度，取3处货架通道的平均值作为该店典型货架位置垂直照度和垂直照度均匀度。

3)主观问卷调查。主观评价采用问卷调查法，每个专卖店随机委派三个照明从业人员作为评价人，并且各专卖店的评价人不重复。在不知道实测数据的前提下，评价人走遍专卖店，填写调查问卷得到主观评价数据。

1.2 分析方法

采用SPSS软件对数据进行统计分析。采用Matlab软件建立能耗预测模型。

1)神经网络。

目的：生成能够指导实践的能耗预测模型，适用于本研究中离散度高且分散趋势不明确的样本。

方法：将单位面积照明造价和开敞空间照度平均值作为输入变量，将照明功率密度(LPD)作为输出变量，采用BP神经网络进行建模，通过对网络的训练，达到照明功率密度与单位面积照明造价、开敞空间照度平均值的关系映射。

2)因子分析。

目的：理清主观评价与客观数据之间的关系。

方法：本研究采用的六个五点法主观变量之间中等相关或强相关，经由因子分析，以综合主成分“整体视觉满意度”代表主观变量。

2 我国专卖店的照明现状

通过对客观数据的统计分析，整理我国专卖店照明样本的代表性指标如表2所示。

如图1的频率分布所示：照明功率密度多集中在40 W/m2左右，也有一部分店高达150 W/m2；单位面积照明造价为26元～500元，均值为92.25元；开敞空间水平照度、典型货架位置水平照度/垂直照度多集中于400 lx～700 lx，也有一部分店达到1 300 lx以上。

根据图2所示的统计数据，从地域性差异角度来看：对于照明功率密度(LPD)，东部区域有较多高能耗样本；对于单位面积照明造价，东部/西部区域的平均值高于中部/东北区域；对于开敞空间的水平照度，东北区域明显高于东部/中部/西部区域。

表2 专卖店照明代表性指标调查结果Table 2 Overview of typical survey results in speciality stores

图1 专卖店照明代表性指标调查结果的频率分布图Fig.1 Frequencies and distributions of typical survey results in speciality stores

图2 照明功率密度、单位面积照明造价、开敞空间水平照度的地域性特征Fig.2 Comparisons of light power density, lighting cost/unit area, and horizontal illuminance(open space) between four regions

使用Kruskal-Wallis检验[13]判断各个区域之间是否具有差异性，其秩如表3所示，检验如表4所示。

表3 秩Table 3 Sum of ranks

表4 Kruskal-Wallis检验Table 4 Kruskal-Wallis test

注：a——Kruskal Wallis 检验；b——分组变量: 地域。

由表3和表4可知，照明功率密度和开敞空间的水平照度平均值存在地域性差异，单位面积照明造价不存在地域性差异。

3 能耗预测模型

单位面积照明造价与开敞空间照度平均值是专卖店照明设计的重要因素，故以二者为输入变量，以照明功率密度为输出变量建立BP神经网络[14-15]模型。本研究采用试凑法，在多次训练中选取拟合性能和推广性能均较好的网络作为神经网络预测模型，结构如图3所示，参数如表5所示。

图3 BP神经网络结构Fig.3 Structure of BP neural network

研究选取75%的样本进行网络训练，15%的样本进行网络参数的自主修正，另外15%的样本则用于检测。其训练结果如图4所示，BP网络拟合值与实际LPD值的比较如图5所示，得到的残差图[15]如图6所示。网络误差下降梯度 (gradient)为0.059 9，网络收敛的均方误差为0.075，网络整体预测值与目标值的接近程度为77.6%，修正过程预测精度 54.4%，测试过程的接近程度为87.8%，总体的接近程度为76.4%。

表5 BP神经网络参数设置Table 5 Parameter setting of BP neural network

图4 BP神经网络训练结果Fig.4 Results of BP neural network train

取置信区间为95%，由图6可以看出BP神经网络拟合的标准化残差只有8个异常值不在[-2，2]的区间上，其他均在[-2，2]随机波动，且没有明显的趋势，故而BP神经网络建模结果成立。使用该模型进行预测，当单位面积照明造价为100/200/300/400元、开敞空间照度平均值为300 lx～1 100 lx时，预测的照明功率密度值如图7所示。照明功率密度值随开敞空间照度提升而呈现的变化趋势，与单位面积照明造价密切相关。

图5 BP网络拟合值与实际LPD值Fig.5 Fitting LPD results on BP neural network and the real LPD

图6 残差图Fig.6 Residuals plot

图7 照明功率密度预测值Fig.7 Predicted value of lighting power density

4 主观评价与客观变量之间的相关性研究

4.1 针对照明充足度/均匀度的主客观变量相关性研究

主观评价变量——地面照明充足度、地面照明均匀度、商品照明充足度和商品照明均匀度，对应的客观参数包括开敞空间水平照度与均匀度U1、典型货架位置水平照度与均匀度U1、典型货架位置垂直照度与均匀度U1。其相关性检验结果如表6所示。

表6 照明充足度/均匀度主观变量与客观变量的相关性检验表Table 6 Correlation test between subjective variables and objectivevariables on illumination adequacy and uniformity

注：**——在0.01水平(双侧)上显著相关。

观察表6可知：地面照明充足度与开敞空间的水平照度平均值、典型货架位置水平的照度平均值均为正的弱相关；地面照明均匀度与开敞空间的水平照度均匀度U1、典型货架位置的水平照度均匀度U1均为正的极弱相关；商品照明充足度与典型货架位置的垂直照度平均值不相关；商品照明均匀度与典型货架位置的垂直照度均匀度U1为负的弱相关。

4.2 主观评价变量的主成分分析

通过对主观评价变量之间的相关性分析得知，其Pearson相关系数多在0.5～0.7之间，两两之间中等相关或强相关，可见初始主观评价变量作为评价指标存在一定的信息重叠，需对主观变量进行主成分分析[16-17]。本研究采用SPSS的因子分析实现主成分分析，初始因子荷载矩阵如表7所示。

表7 初始因子荷载矩阵Table 7 Component Matrix

注：a——已提取了1个成分；b——提取方法:主成分。

将初始因子荷载矩阵中的每列的系数(主成分的荷载)除以其相应主成分的特征根的平方根后，得到主成分系数向量(主成分的得出系数)为

(1)

将得到的特征向量与标准化后的数据相乘，得到第一主成分(整体视觉满意度)函数的表达式为

Z1=F11·zX1+F12·zX2+F13·zX3+

(2)

由于只有一个主成分，因此综合主成分得分等于第一主成分得分，即

(3)

综合主成分包括地面照明充足度、地面照明均匀度、商品照明充足度、商品照明均匀度、整体视觉环境舒适度。因此，综合主成分可被定义为“整体视觉满意度”，作为新的主观评价变量来描述主观感受。

4.3 整体视觉满意度与客观变量之间的关系

整体视觉满意度与各客观参数之间的相关性检验结果如表8所示。

表8 整体视觉满意度与客观变量的相关性检验表Table 8 Correlation test between overall visual satisfaction and the related objective variables

由表8可见，整体视觉满意度与照明功率密度、单位面积照明造价、典型货架位置水平照度平均值、典型货架位置垂直照度平均值、典型货架位置水平照度均匀度U1不相关；与开敞空间的水平照度平均值为正的极弱相关；与典型货架位置垂直照度均匀度U1为负的弱相关。

5 结论

综上所述，如下结论对于我国专卖店的照明设计具有启发意义：

1)我国专卖店的照明能耗处于较高水平，但对专卖店的主观评价“整体视觉满意度”与其照明功率密度不相关，因而具有较高的照明节能潜力。

2)照明功率密度和开敞空间水平照度平均值存在地域性差异，单位面积照明造价不存在地域性差异。照明功率密度的地域性差异主要与经济发展水平相关，开敞空间水平照度水平的差异可能与地域文化差异相关，应因地制宜的研究照明节能策略。

3)根据能耗预测模型，在低照明造价(100元/m2)项目中，能耗较低，“亮的诉求”导致能耗的提升；在高照明造价(400元/m2)项目中，能耗较高，“亮的诉求”对能耗影响较小；在中等照明造价(200元/m2)项目中，能耗最高，“亮的诉求”对能耗影响较大，以600 lx为拐点先升后降，此类项目的节能潜力最大，应予以重点关注。

4)商品照明均匀度的主观评价与典型货架位置的垂直照度均匀度U1为负的弱相关；专卖店的典型货架位置垂直照度均匀度越小，整体视觉满意度越高。上述结论与照明设计的“常识”不符，但与梅剑平[6]的结论一致。照明均匀度的设计潜力需要更多的相关研究加以挖掘。

[1] 陆雄文.管理学大辞典[M].上海：上海辞书出版社,2013.

[2] 国家统计局.中国统计年鉴[J].北京:中国统计出版社,2014.

[3] JORDAN DK. Building energy data book: Department of Energy [EB/OL].(2016-05-02)[2011-11-09]. http://buildingsdatabook.eren.doe.gov.

[4] JORDAN DK. Building energy data book: Department of Energy & Climate Change, 2011, Energy consumption in the UK-Services sector energyconsumption[EB/OL].(2016-05-2)[2011-11-09].http://buildingsdatabook.eren.doe.gov.

[5] 吴夏冰,张昕. 我国购物中心的照明现状与节能潜力评估[J]. 照明工程学报,2014,25(3):42-49.

[6] 梅剑平. 亮度、照度水平对家具专卖店氛围的试验研究[J]. 照明工程学报,2014,25(4):35-40.

[7] 王丹. 商店常用照明光源节能性及环保性研究[D].重庆：重庆大学,2006.

[8] 袁樵. 商业专卖店照明(一)[J]. 室内设计与装修,2008,6:116-117.

[9] EINSPORN J A, ZHOU A F. The ldquoGreenLabrdquo: Power Consumption by Commercial Light Bulbs[J].Physics Teacher,2011,(6):365.

[10] LEE Haochuan, HSIEN Wender, LIN Jianyuan. Investigation of energy-efficient convenience store in Taiwan[C]//Proceedings of the 3rd Asian Conference on Refrigeration and Air-Conditioning Vols I and II.SOCIETY AIR-CONDITJONING & REFRIGERATING ENGINEERS KOREA-SAREK,2006:441-444.

[11] JABER JO, MOHSEN MS, SARKHI A A, et al. Energy analysis of Jordan’s commercial sector[J].Energy Policy,2003(9):887-894.

[12] LAM JC, LI DHW.Electricity consumption characteristics in shopping malls in subtropical climates[J].Energy Conversion and Management,2003(9):1391-1398.

[13] 张林泉. 多独立样本Kruskal-Wallis检验的原理及其实证分析[J]. 苏州科技学院学报(自然科学版),2014,31(14501):14-16.

[14] 戴葵.神经网络实现技术[M]. 长沙：国防科技大学出版社,1998.

[15] RIPLEY B D.Pattern recognition and neural networks[M]. 北京:人民邮电出版社,2009.

[16] 王敏. 残差分析在统计中的应用[J]. 江苏统计,2000(8):24.

[17] 郭显光. 如何用SPSS软件进行主成分分析[J]. 统计与信息论坛，1998(2):61.

[18] BRUCE Thompson.Exploratoryand Confirmatory Factor Analysis: Understanding Concepts and Applications[M]. American Psychological Association,2004.

Research on the Prediction Model of Lighting Energy Consumption and Subjective Evaluation of Speciality Stores in China

CAI Zhoushen1，ZHANG Xin1，ZHANG Yutao2

(1.SchoolofArchitecture,TsinghuaUniversity,Beijing100084,China;2.GuangdongSanxiongJiguangLimitedCompany,Guangzhou511495,China)

Lighting accounts for the largest proportion of the interior energy consumption in speciality stores. It contributes to the lighting design by analysing the lighting in speciality stores.According to survey data and visual estimation, it makes statistical analysis on the 173 speciality stores of China. And the prediction model of lighting energy consumption has built. The research shows that there is a great potential of energy saving in the lighting of speciality stores of China.

speciality stores; the prediction model of lighting energy consumption; energy saving of lighting; cost of lighting; visual satisfaction

国家自然科学基金面上项目(51478236)，亚热带重点实验室开放基金(2015ZB14)

TU113.19+1

A

10.3969j.issn.1004-440X.2016.04.017