蔡宙燊， 張 昕， 張宇濤

(1.清華大學(xué)建筑學(xué)院，北京 100084；2．廣東三雄極光照明股份有限公司，廣東 廣州 511495)

?

我國專賣店照明的能耗預(yù)測模型與主觀評價研究

蔡宙燊1， 張 昕1， 張宇濤2

(1.清華大學(xué)建筑學(xué)院，北京 100084；2．廣東三雄極光照明股份有限公司，廣東 廣州 511495)

專賣店的照明能耗在其室內(nèi)總能耗中占最大比例。對其照明現(xiàn)狀的分析梳理，對于優(yōu)化專賣店的照明設(shè)計具有重要意義?；趯崪y數(shù)據(jù)和主觀評價，本文對全國173家專賣店的照明現(xiàn)狀進行統(tǒng)計分析，建立了照明能耗模型。研究表明，我國專賣店照明具有較大節(jié)能潛力。

專賣店；照明能耗預(yù)測模型；照明節(jié)能；照明造價；視覺滿意度

引言

專賣店是專業(yè)經(jīng)營某一品牌商品的零售商店。因其主要經(jīng)營單一名牌特色精品，既有利于促銷又受到相當部分固定消費者的歡迎，包括生產(chǎn)廠商自己設(shè)置的和廠商授權(quán)的特許經(jīng)營店[1]。我國專賣店2013年年末零售營業(yè)面積為477.8萬m2，從業(yè)人數(shù)16.1萬人，總店數(shù)量318個，門店數(shù)量26 113個，商品銷售額1 582.7億元[2]。在西方國家，零售建筑能耗在服務(wù)業(yè)領(lǐng)域中是占比最高的，約占總建筑能耗的21%[3-4]。照明在零售建筑能耗中占比最高，在美國約占30.1%[3]，在英國約占34.0%[4]。根據(jù)預(yù)測，中國商業(yè)照明需求的年均增長率為5.9%，總量將從2002年的1 587萬億lm/h增長為2020年的4 462萬億lm/h。由于缺少我國基本的零售照明數(shù)據(jù)，很難明確掌握目前在宏觀層面的具體情形[5]。國內(nèi)研究主要針對專賣店的照明設(shè)計：梅劍平[6]指出家具專賣店中喜好性氛圍與場景光分布均勻性、亮部集中區(qū)域有關(guān)；王丹[7]指出專賣店照明常用三類光源(陶瓷金鹵燈、節(jié)能燈、低壓鹵鎢燈)中陶瓷金鹵燈的照明質(zhì)量和光源節(jié)能為最優(yōu)；袁樵[8]提出專賣店櫥窗的照明設(shè)計手法。國外研究更關(guān)注能耗：Einsporn等[9]指出LED、熒光燈、節(jié)能燈、白熾燈的能耗差異；Lee等[10]指出高效的照明系統(tǒng)、暖通空調(diào)、冷藏設(shè)備等可將臺灣便利店的能耗降低26%；Jaber等[11]指出在約旦能耗偏高歸咎于夏天過度照明和大量使用空調(diào)；Lam等[12]指出在亞熱帶地區(qū)的購物中心，空調(diào)和照明占建筑能耗的85%。

本文旨在通過對全國各地173家專賣店的分析，從客觀數(shù)據(jù)和主觀評價兩方面探討我國專賣店的照明特征，建立專賣店照明能耗的數(shù)學(xué)模型，挖掘節(jié)能潛力，探討客觀參數(shù)與主觀視覺滿意度的關(guān)聯(lián)方式。

1 研究方法

1.1 數(shù)據(jù)采集

本文的實測數(shù)據(jù)來源于全國各地173家專賣店，約占全國專賣店總門店數(shù)的0.66%。樣本取自全國32個地級市，在東部、中部、東北及西部均有分布，其中東部樣本占總數(shù)的48.0%，西部樣本占總數(shù)的34.1%，東北樣本占總數(shù)的5.8%。調(diào)研內(nèi)容和方法如表1所示。

表1 調(diào)研內(nèi)容與調(diào)研方法Table 1 Lighting topics and methods

對幾項關(guān)鍵數(shù)據(jù)作如下解釋：

1)開敞空間水平照度。開敞空間指在一個標準柱網(wǎng)單元內(nèi)無貨架、柜臺等遮擋的空間。開敞空間水平照度為每家店三處開敞空間水平照度平均值的平均值(不按面積加權(quán))。

2)典型貨架照度。選取具有代表性的貨架，測量貨架之間通道的水平照度，并計算水平照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置水平照度和水平照度均勻度；以上通道處貨架實測低(0.2 m)、中(1.0 m)、高(2.0 m)三個位置的垂直照度，并分別計算垂直照度平均值和均勻度，取3處貨架通道的平均值作為該店典型貨架位置垂直照度和垂直照度均勻度。

3)主觀問卷調(diào)查。主觀評價采用問卷調(diào)查法，每個專賣店隨機委派三個照明從業(yè)人員作為評價人，并且各專賣店的評價人不重復(fù)。在不知道實測數(shù)據(jù)的前提下，評價人走遍專賣店，填寫調(diào)查問卷得到主觀評價數(shù)據(jù)。

1.2 分析方法

采用SPSS軟件對數(shù)據(jù)進行統(tǒng)計分析。采用Matlab軟件建立能耗預(yù)測模型。

1)神經(jīng)網(wǎng)絡(luò)。

目的：生成能夠指導(dǎo)實踐的能耗預(yù)測模型，適用于本研究中離散度高且分散趨勢不明確的樣本。

方法：將單位面積照明造價和開敞空間照度平均值作為輸入變量，將照明功率密度(LPD)作為輸出變量，采用BP神經(jīng)網(wǎng)絡(luò)進行建模，通過對網(wǎng)絡(luò)的訓(xùn)練，達到照明功率密度與單位面積照明造價、開敞空間照度平均值的關(guān)系映射。

2)因子分析。

目的：理清主觀評價與客觀數(shù)據(jù)之間的關(guān)系。

方法：本研究采用的六個五點法主觀變量之間中等相關(guān)或強相關(guān)，經(jīng)由因子分析，以綜合主成分“整體視覺滿意度”代表主觀變量。

2 我國專賣店的照明現(xiàn)狀

通過對客觀數(shù)據(jù)的統(tǒng)計分析，整理我國專賣店照明樣本的代表性指標如表2所示。

如圖1的頻率分布所示：照明功率密度多集中在40 W/m2左右，也有一部分店高達150 W/m2；單位面積照明造價為26元～500元，均值為92.25元；開敞空間水平照度、典型貨架位置水平照度/垂直照度多集中于400 lx～700 lx，也有一部分店達到1 300 lx以上。

根據(jù)圖2所示的統(tǒng)計數(shù)據(jù)，從地域性差異角度來看：對于照明功率密度(LPD)，東部區(qū)域有較多高能耗樣本；對于單位面積照明造價，東部/西部區(qū)域的平均值高于中部/東北區(qū)域；對于開敞空間的水平照度，東北區(qū)域明顯高于東部/中部/西部區(qū)域。

表2 專賣店照明代表性指標調(diào)查結(jié)果Table 2 Overview of typical survey results in speciality stores

圖1 專賣店照明代表性指標調(diào)查結(jié)果的頻率分布圖Fig.1 Frequencies and distributions of typical survey results in speciality stores

圖2 照明功率密度、單位面積照明造價、開敞空間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檢驗[13]判斷各個區(qū)域之間是否具有差異性，其秩如表3所示，檢驗如表4所示。

表3 秩Table 3 Sum of ranks

表4 Kruskal-Wallis檢驗Table 4 Kruskal-Wallis test

注：a——Kruskal Wallis 檢驗；b——分組變量: 地域。

由表3和表4可知，照明功率密度和開敞空間的水平照度平均值存在地域性差異，單位面積照明造價不存在地域性差異。

3 能耗預(yù)測模型

單位面積照明造價與開敞空間照度平均值是專賣店照明設(shè)計的重要因素，故以二者為輸入變量，以照明功率密度為輸出變量建立BP神經(jīng)網(wǎng)絡(luò)[14-15]模型。本研究采用試湊法，在多次訓(xùn)練中選取擬合性能和推廣性能均較好的網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)預(yù)測模型，結(jié)構(gòu)如圖3所示，參數(shù)如表5所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 Structure of BP neural network

研究選取75%的樣本進行網(wǎng)絡(luò)訓(xùn)練，15%的樣本進行網(wǎng)絡(luò)參數(shù)的自主修正，另外15%的樣本則用于檢測。其訓(xùn)練結(jié)果如圖4所示，BP網(wǎng)絡(luò)擬合值與實際LPD值的比較如圖5所示，得到的殘差圖[15]如圖6所示。網(wǎng)絡(luò)誤差下降梯度 (gradient)為0.059 9，網(wǎng)絡(luò)收斂的均方誤差為0.075，網(wǎng)絡(luò)整體預(yù)測值與目標值的接近程度為77.6%，修正過程預(yù)測精度 54.4%，測試過程的接近程度為87.8%，總體的接近程度為76.4%。

表5 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置Table 5 Parameter setting of BP neural network

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig.4 Results of BP neural network train

取置信區(qū)間為95%，由圖6可以看出BP神經(jīng)網(wǎng)絡(luò)擬合的標準化殘差只有8個異常值不在[-2，2]的區(qū)間上，其他均在[-2，2]隨機波動，且沒有明顯的趨勢，故而BP神經(jīng)網(wǎng)絡(luò)建模結(jié)果成立。使用該模型進行預(yù)測，當單位面積照明造價為100/200/300/400元、開敞空間照度平均值為300 lx～1 100 lx時，預(yù)測的照明功率密度值如圖7所示。照明功率密度值隨開敞空間照度提升而呈現(xiàn)的變化趨勢，與單位面積照明造價密切相關(guān)。

圖5 BP網(wǎng)絡(luò)擬合值與實際LPD值Fig.5 Fitting LPD results on BP neural network and the real LPD

圖6 殘差圖Fig.6 Residuals plot

圖7 照明功率密度預(yù)測值Fig.7 Predicted value of lighting power density

4 主觀評價與客觀變量之間的相關(guān)性研究

4.1 針對照明充足度/均勻度的主客觀變量相關(guān)性研究

主觀評價變量——地面照明充足度、地面照明均勻度、商品照明充足度和商品照明均勻度，對應(yīng)的客觀參數(shù)包括開敞空間水平照度與均勻度U1、典型貨架位置水平照度與均勻度U1、典型貨架位置垂直照度與均勻度U1。其相關(guān)性檢驗結(jié)果如表6所示。

表6 照明充足度/均勻度主觀變量與客觀變量的相關(guān)性檢驗表Table 6 Correlation test between subjective variables and objectivevariables on illumination adequacy and uniformity

注：**——在0.01水平(雙側(cè))上顯著相關(guān)。

觀察表6可知：地面照明充足度與開敞空間的水平照度平均值、典型貨架位置水平的照度平均值均為正的弱相關(guān)；地面照明均勻度與開敞空間的水平照度均勻度U1、典型貨架位置的水平照度均勻度U1均為正的極弱相關(guān)；商品照明充足度與典型貨架位置的垂直照度平均值不相關(guān)；商品照明均勻度與典型貨架位置的垂直照度均勻度U1為負的弱相關(guān)。

4.2 主觀評價變量的主成分分析

通過對主觀評價變量之間的相關(guān)性分析得知，其Pearson相關(guān)系數(shù)多在0.5～0.7之間，兩兩之間中等相關(guān)或強相關(guān)，可見初始主觀評價變量作為評價指標存在一定的信息重疊，需對主觀變量進行主成分分析[16-17]。本研究采用SPSS的因子分析實現(xiàn)主成分分析，初始因子荷載矩陣如表7所示。

表7 初始因子荷載矩陣Table 7 Component Matrix

注：a——已提取了1個成分；b——提取方法:主成分。

將初始因子荷載矩陣中的每列的系數(shù)(主成分的荷載)除以其相應(yīng)主成分的特征根的平方根后，得到主成分系數(shù)向量(主成分的得出系數(shù))為

(1)

將得到的特征向量與標準化后的數(shù)據(jù)相乘，得到第一主成分(整體視覺滿意度)函數(shù)的表達式為

Z1=F11·zX1+F12·zX2+F13·zX3+

(2)

由于只有一個主成分，因此綜合主成分得分等于第一主成分得分，即

(3)

綜合主成分包括地面照明充足度、地面照明均勻度、商品照明充足度、商品照明均勻度、整體視覺環(huán)境舒適度。因此，綜合主成分可被定義為“整體視覺滿意度”，作為新的主觀評價變量來描述主觀感受。

4.3 整體視覺滿意度與客觀變量之間的關(guān)系

整體視覺滿意度與各客觀參數(shù)之間的相關(guān)性檢驗結(jié)果如表8所示。

表8 整體視覺滿意度與客觀變量的相關(guān)性檢驗表Table 8 Correlation test between overall visual satisfaction and the related objective variables

由表8可見，整體視覺滿意度與照明功率密度、單位面積照明造價、典型貨架位置水平照度平均值、典型貨架位置垂直照度平均值、典型貨架位置水平照度均勻度U1不相關(guān)；與開敞空間的水平照度平均值為正的極弱相關(guān)；與典型貨架位置垂直照度均勻度U1為負的弱相關(guān)。

5 結(jié)論

綜上所述，如下結(jié)論對于我國專賣店的照明設(shè)計具有啟發(fā)意義：

1)我國專賣店的照明能耗處于較高水平，但對專賣店的主觀評價“整體視覺滿意度”與其照明功率密度不相關(guān)，因而具有較高的照明節(jié)能潛力。

2)照明功率密度和開敞空間水平照度平均值存在地域性差異，單位面積照明造價不存在地域性差異。照明功率密度的地域性差異主要與經(jīng)濟發(fā)展水平相關(guān)，開敞空間水平照度水平的差異可能與地域文化差異相關(guān)，應(yīng)因地制宜的研究照明節(jié)能策略。

3)根據(jù)能耗預(yù)測模型，在低照明造價(100元/m2)項目中，能耗較低，“亮的訴求”導(dǎo)致能耗的提升；在高照明造價(400元/m2)項目中，能耗較高，“亮的訴求”對能耗影響較??；在中等照明造價(200元/m2)項目中，能耗最高，“亮的訴求”對能耗影響較大，以600 lx為拐點先升后降，此類項目的節(jié)能潛力最大，應(yīng)予以重點關(guān)注。

4)商品照明均勻度的主觀評價與典型貨架位置的垂直照度均勻度U1為負的弱相關(guān)；專賣店的典型貨架位置垂直照度均勻度越小，整體視覺滿意度越高。上述結(jié)論與照明設(shè)計的“常識”不符，但與梅劍平[6]的結(jié)論一致。照明均勻度的設(shè)計潛力需要更多的相關(guān)研究加以挖掘。

[1] 陸雄文.管理學(xué)大辭典[M].上海：上海辭書出版社,2013.

[2] 國家統(tǒng)計局.中國統(tǒng)計年鑒[J].北京:中國統(tǒng)計出版社,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] 吳夏冰,張昕. 我國購物中心的照明現(xiàn)狀與節(jié)能潛力評估[J]. 照明工程學(xué)報,2014,25(3):42-49.

[6] 梅劍平. 亮度、照度水平對家具專賣店氛圍的試驗研究[J]. 照明工程學(xué)報,2014,25(4):35-40.

[7] 王丹. 商店常用照明光源節(jié)能性及環(huán)保性研究[D].重慶：重慶大學(xué),2006.

[8] 袁樵. 商業(yè)專賣店照明(一)[J]. 室內(nèi)設(shè)計與裝修,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] 張林泉. 多獨立樣本Kruskal-Wallis檢驗的原理及其實證分析[J]. 蘇州科技學(xué)院學(xué)報(自然科學(xué)版),2014,31(14501):14-16.

[14] 戴葵.神經(jīng)網(wǎng)絡(luò)實現(xiàn)技術(shù)[M]. 長沙：國防科技大學(xué)出版社,1998.

[15] RIPLEY B D.Pattern recognition and neural networks[M]. 北京:人民郵電出版社,2009.

[16] 王敏. 殘差分析在統(tǒng)計中的應(yīng)用[J]. 江蘇統(tǒng)計,2000(8):24.

[17] 郭顯光. 如何用SPSS軟件進行主成分分析[J]. 統(tǒng)計與信息論壇，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

國家自然科學(xué)基金面上項目(51478236)，亞熱帶重點實驗室開放基金(2015ZB14)

TU113.19+1

A

10.3969j.issn.1004-440X.2016.04.017