[0001] 本发明涉及照明控制技术领域，尤其涉及一种紧急情况下的照明控制方法及系统。

[0002] 随着城市化进程的加快和建筑规模的不断扩大，公共场所和大型建筑的安全问题日益受到关注。在火灾、地震等紧急情况下，有效的应急照明系统对保障人员安全疏散和应急救援至关重要。传统的应急照明系统通常采用固定的照明方案，缺乏对环境变化的实时响应能力，难以适应复杂多变的紧急情况。

[0003] 现有的应急照明控制方法往往存在反应速度慢、智能化程度低、能源利用效率不高等问题。这些系统通常难以根据不同类型和程度的危险情况动态调整照明策略，导致在某些情况下照明不足或者能源浪费。此外，由于缺乏对环境数据的深入分析和多维度的危险评估，现有系统难以准确判断危险等级并制定最优的应急照明方案。另一方面，随着物联网和人工智能技术的快速发展，为应急照明控制系统的智能化升级提供了新的可能性。然而，如何有效整合多源传感数据，构建高效的危险情况分析模型，以及如何在复杂的建筑环境中实现灵活可靠的照明控制，仍然是亟待解决的技术难题。

[0023] 本发明实施例提供了一种紧急情况下的照明控制方法及系统。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0024] 为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中紧急情况下的照明控制方法的一个实施例包括：

[0025] 步骤S1、配置照明控制系统，照明控制系统包括多个照明灯具、至少一个环境传感器和一个控制单元；

[0026] 可以理解的是，本发明的执行主体可以为紧急情况下的照明控制系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

[0027] 具体的，首先对照明控制系统进行初始化。该系统包括多个照明灯具、至少一个环境传感器、一个中央控制单元和一个集中式供电系统。每个照明灯具都配备有唯一的识别地址、48V集中式供电接口、内置小型电池的单点供电系统、以及可调节的LED光源。环境传感器用于检测火灾、烟雾或其他危险情况。中央控制单元具备有线和无线（如WiFi、蓝牙）双重通信接口，用于与照明灯具和环境传感器进行数据交换。系统管理员通过中央控制单元的用户界面，为每个照明灯具设置正常工作模式下的功率（30‑40瓦）和应急模式下的功率（5‑6瓦）。同时，管理员还需指定在紧急情况下需要保持照明的特定灯具，并为这些灯具设置应急模式下的亮度级别（如20%或30%）。系统进行自检，确保所有组件正常工作，包括集中式供电系统、单点供电系统、通信接口和环境传感器的功能正常。

[0028] 进一步地，对多个照明灯具进行地址分配，以确保每个照明灯具具有唯一的识别地址，实现对每个灯具的独立控制和识别。对照明灯具进行供电系统配置，使每个照明灯具具备48V的集中式供电接口，并内置有电池，形成具有单点供电能力的系统，双重供电设计有助于在紧急情况下保持照明系统的稳定性，即便在集中供电中断的情况下，内置电池能够确保照明持续进行。对每个照明灯具进行光源配置，为每个灯具配备可调节的LED光源，以提供灵活的亮度调节能力，从而根据环境的需求来控制照明效果。同时，对控制单元的通信接口进行配置，使其能够同时支持有线和无线的双重通信方式。用户能够通过控制单元的用户界面对每个照明灯具的工作模式进行功率设置，为每个灯具设定正常工作模式的功率值和应急模式的功率值，确保在不同情况下，灯具能够根据需要自动调整其功耗。通过控制单元的用户界面，指定哪些灯具进入应急模式，生成应急照明灯具的列表，提前设定哪些灯具在紧急情况下需要优先激活。基于该列表，对每个应急照明灯具的亮度进行单独的应急模式亮度设置，为不同的灯具赋予不同的应急模式亮度值，以适应不同区域和环境的照明需求。对整个照明控制系统进行自检，以验证所有组件的功能状态，确保每个照明灯具、环境传感器和控制单元都处于正常的工作状态，保证系统的可靠性和功能性，最终形成一个经过全面配置的照明控制系统，能够在紧急情况下快速响应并执行预设的照明方案，提高安全性和系统的响应效率。

[0029] 步骤S2、通过控制单元监控环境传感器的数据；

[0030] 具体的，对环境传感器进行数据采集，获取来自外部环境的原始环境数据。对原始环境数据进行分类，得到烟雾浓度数据、温度变化率数据、一氧化碳浓度数据以及电力供应状态数据，其中每一种数据类型依据其独特的特性进行相应的处理。对烟雾浓度数据进行滤波处理，消除采集过程中的噪声或异常值，得到滤波后的烟雾浓度数据。同时，对温度变化率数据进行计算，通过分析单位时间内的温度变化，得到实时的温度变化值，帮助识别突发性的温度升高情况。对一氧化碳浓度数据进行标准化处理，通过将该数据与预定的标准值进行对比，得到标准化后的一氧化碳浓度数据。对电力供应状态数据进行解析，得到电力系统的关键参数，包括电压值和电流值。电力数据的解析有助于监测当前的电力供应情况，判断系统是否处于正常供电状态或是否存在供电中断的风险。同时，基于预设的通信协议对照明控制系统的网络状态进行检测，以判断当前的通信方式是有线通信还是无线通信。根据所确定的当前通信方式，对数据传输路径进行动态选择，以确保数据能够通过最优的传输路径进行传输，减少延迟并提高数据传输的稳定性和效率。选定的最优数据传输路径适用于当前的通信方式，并能够根据网络状态的变化进行灵活调整，确保在各种情况下都能够获得高效的数据传输。基于最优的数据传输路径，周期性地将经过滤波处理的烟雾浓度数据、单位时间内的温度变化值、标准化后的一氧化碳浓度数据，以及电压值和电流值进行传输。通过周期性的传输过程，实时地对环境传感器的数据进行监控，从而在出现紧急情况时，及时提供准确的环境信息，协助系统做出应急决策并启动相应的照明控制措施。

[0031] 进一步地，对照明控制系统中的有线网络和无线网络进行并行探测，实时收集有线和无线网络的状态参数，分别得到与有线网络相关的连接状态、带宽、延迟等参数，以及无线网络的信号强度和连接稳定性等信息。基于有线网络的状态参数，通过计算有线网络的连接质量得分，得出有线网络的评分，反映当前有线网络的整体性能和连接质量。同时，根据无线网络的状态参数，计算出无线网络的信号强度以及连接稳定性，生成无线网络的评分。通过对有线和无线两种网络状态的综合评估，对两者的连接质量进行比较分析，确定当前最优的通信方式。基于当前通信方式进行网络拓扑图分析，绘制出网络结构模型，展示整个网络系统的各个节点及其连接关系。对网络结构模型进行路径规划，生成多个候选的数据传输路径。每条路径代表着一种可能的数据传输路线，通过预设的路径评估算法对这些路径进行逐一评估。根据各个候选路径的传输效率进行打分，计算出每条路径的传输效率指数。传输效率指数基于多项因素进行综合评估，比如延迟、带宽、数据丢包率等。评估过程帮助系统识别出那些在当前网络条件下传输效率更高的路径。根据每条候选路径的传输效率指数对其进行排序，生成排序后的路径列表。列表中的路径按照传输效率从高到低进行排列。在排序完成后，从排序后的路径列表中选择传输效率指数最高的路径，作为最优的数据传输路径。最优路径用于当前的数据传输任务，确保照明控制系统能够以最高的传输效率进行数据交换，提升系统的响应速度和稳定性。

[0032] 步骤S3、当环境传感器的数据指示存在危险情况时，由控制单元进行危险情况分析，得到危险等级；

[0033] 具体的，对环境传感器的数据中的滤波后的烟雾浓度数据、单位时间内的温度变化值、标准化后的一氧化碳浓度数据、电压值和电流值进行时间序列重构，生成多维时间序列数据。基于多维时间序列数据，构建出反映环境状态的时空图。时空图是一种综合表征环境变化的结构化数据，能够体现出多个传感器数据在不同时间和空间维度上的关联性。对环境状态时空图进行多分支融合时空图卷积网络处理。该网络由多个分支组成，包括烟雾分支、温度分支、一氧化碳分支和电力分支，每个分支专门处理相应的传感器数据。这些分支网络被部署在控制单元中，在烟雾分支中，对时空图进行时间卷积操作，以提取烟雾时间特征，随后通过图卷积操作获取烟雾空间特征。将时间特征和空间特征通过特征融合层进行融合，得到最终的烟雾危险特征。该分支网络由三层时间卷积层和两层图卷积层组成，时间卷积层使用64个3x1卷积核，并通过ReLU激活，图卷积层则使用32个Chebyshev多项式核，并通过ELU激活，最终通过门控线性单元完成特征融合。同时，在温度分支中，通过图卷积操作提取温度空间特征，再通过时间卷积操作获取温度时间特征，将两者进行融合以得到温度危险特征。温度分支网络使用两层图卷积层和三层时间卷积层，其中图卷积层使用48个Diffusion卷积核，时间卷积层则使用56个2x1卷积核，并采用LeakyReLU和GELU激活函数，融合层则通过自注意力机制实现特征融合。在一氧化碳分支中，通过并行的时间卷积和图卷积操作，分别提取一氧化碳时间特征和空间特征，并利用多头注意力机制对这两个特征进行融合。该分支包括两个并行的子分支，时间卷积子分支由三层1D卷积层构成，每层使用40个卷积核并通过Swish激活，图卷积子分支则使用两层谱卷积层，使用36个卷积核并采用Mish激活，最终通过4个头的多头注意力机制完成特征融合。电力分支通过图注意力网络处理环境状态时空图，提取电力空间特征。门控循环单元（GRU）用来处理电力的时间特征，最后通过自适应融合层，将空间和时间特征进行融合，生成电力危险特征。该分支由三层图注意力层，每层包含6个注意力头，并采用残差连接和层归一化。两层GRU各包含128个隐藏单元，并通过Tanh激活，自适应融合层使用动态权重生成网络对特征进行融合。将烟雾、温度、一氧化碳和电力的危险特征输入到多层感知机中，提取融合的危险特征。多层感知机由三层全连接层组成，隐藏层单元数分别为256、128和64，每层后面都接有批归一化和Dropout层，激活函数采用ReLU。对融合的危险特征进行softmax分类，输出危险等级的概率分布。如果该概率分布显示存在危险情况，基于该分布进行加权投票分析，最终确定出当前的危险等级。

[0034] 进一步地，对环境状态时空图进行时间维度切片，得到一氧化碳浓度的时间序列数据。将时间序列数据输入第一层1D卷积层，使用40个卷积核进行卷积操作，生成第一层时间特征图。为了提升模型的非线性表达能力，对第一层时间特征图应用Swish激活函数，得到激活后的时间特征图，确保特征提取的连续性和流畅性。将第一层激活后的时间特征图依次输入第二层和第三层1D卷积层，每层使用40个卷积核，并通过Swish激活函数进行处理。经过多层卷积和激活操作，提取出一氧化碳的时间特征，完整地捕捉时间维度上数据的变化规律。同时，对环境状态时空图进行空间维度的切片操作，获取一氧化碳浓度的空间分布数据。将空间分布数据输入第一层图卷积层，使用36个谱卷积核进行图卷积操作，生成第一层空间特征图。为了增强特征的表达能力，应用Mish激活函数，对第一层空间特征图进行处理，得到激活后的空间特征图。激活后的空间特征图被输入到第二层图卷积层，通过36个谱卷积核进行卷积处理，并应用Mish激活函数，最终生成一氧化碳的空间特征。通过图卷积操作，准确捕捉到空间维度上的一氧化碳分布特征。将一氧化碳时间特征和一氧化碳空间特征拼接，得到时空联合特征。对时空联合特征应用多头注意力机制，使用4个注意力头计算自注意力权重。通过注意力机制的加权融合，重点关注对危险情况预测更为重要的特征，得到一氧化碳的危险特征。

[0035] 步骤S4、根据危险等级，由控制单元生成应急照明方案，其中应急照明方案包括待激活照明灯具的信息；

[0036] 具体的，对检测到的危险等级进行阈值判断，根据设定的阈值区分出不同的危险程度，并得出危险程度分类结果。不同的危险等级表明当前环境中的风险程度。基于危险程度分类结果，从预设的应急照明策略库中选择与当前危险等级相对应的基础照明策略，生成第一照明方案。对照明控制系统中的各个照明灯具进行空间分布分析，通过分析灯具的位置信息和其覆盖的区域，了解每个灯具的地理分布和照明范围。基于位置信息和覆盖区域信息，对第一照明方案进行优化，调整灯具的激活顺序和区域，使每个区域在危险发生时能够获得最佳的照明效果，生成更加合理的第二照明方案。对第二照明方案中的每个待激活照明灯具进行电量评估，确保照明灯具在应急状态下能够持续工作，特别是在可能存在电力中断或电量不足的情况下。通过评估每个灯具的电量状态，识别哪些灯具的电量充足，哪些灯具可能需要进行优先调整或替换。基于电量状态信息，对第二照明方案进行相应的调整，以确保应急照明方案能够在实际情况下发挥最大效用。具体来说，电量充足的灯具将被优先激活，而电量不足的灯具可能被替换为其他备用灯具或减少其使用时长，确保整个系统的稳定运行。通过调整，最终生成的应急照明方案包括哪些灯具需要激活，还能确保它们具备足够的电量和功能以应对危险情况的发生，保证紧急情况下的照明覆盖和持续性。

[0037] 步骤S5、基于应急照明方案，由控制单元向待激活照明灯具发送控制指令；

[0038] 具体的，对应急照明方案进行解析，得到一个包含待激活照明灯具的列表，同时确定每个待激活照明灯具的控制参数。控制参数通常包括灯具的亮度、照明模式以及激活时长等具体信息。基于待激活照明灯具列表，对照明控制系统的当前通信状态进行检测，确保通信顺畅，并生成一个候选通信方式的列表，包含可以选择的通信方式，比如有线通信和无线通信，根据当前的系统条件，决定采用哪种方式进行数据传输。根据候选通信方式列表，对待激活的照明灯具进行分组，将灯具分为有线通信组和无线通信组。有线通信组中的灯具通过网络电缆等物理线路进行控制，而无线通信组中的灯具则通过无线信道进行控制。对有线通信组中的灯具进行地址编码，以便每个灯具能够通过唯一的地址识别和接收指令，形成有线通信指令序列。同样地，对于无线通信组中的灯具，进行信道分配，确保无线信道的稳定和互不干扰，生成无线通信指令序列。将有线通信指令序列和无线通信指令序列合并，得到目标控制指令集。为了提高数据传输的安全性，对目标控制指令集进行加密处理，防止在指令传输过程中遭受外部攻击或数据篡改，确保应急照明指令的可靠性。基于预设的通信协议，将加密处理后的控制指令发送至相应的待激活照明灯具。有线通信组的指令通过网络电缆发送，而无线通信组的指令将通过分配好的无线信道进行传输。在指令到达后，照明灯具根据接收到的指令切换至应急照明状态，确保在紧急情况下的照明需求被快速、精准地响应和执行。

[0039] 步骤S6、响应于控制指令，待激活照明灯具切换至应急照明状态。

[0040] 具体的，对接收到的控制指令进行解密处理，得到解密后的控制参数，包含有关照明灯具应急状态下的操作设定，如供电方式切换、亮度调整和功率控制等。基于解密后的控制参数，对照明灯具的供电系统进行切换，将灯具从原先依赖的48V集中式供电接口切换至内置电池的单点供电系统，确保即使集中供电中断，照明灯具仍能够通过内置电池保持工作，满足应急照明的需求。根据解密后的控制参数中有关亮度的设定，对LED光源的驱动电流进行调节，确保灯具输出的亮度达到设定的目标值。同时，根据控制参数中的功率设定，对照明灯具的功率控制电路进行相应调整，将灯具从正常工作模式下的功率值切换至应急模式的功率值，有效降低能耗，确保在电力有限的情况下仍能延长应急照明的持续时间。为了确保应急照明的稳定性，对照明灯具的内置电池进行电量检测，获取当前电量状态。基于当前电量状态以及预先设定的应急照明时长要求，对LED光源的亮度进行动态调整，以实现电量与照明时长的最佳平衡，确保照明灯具能够在应急状态下持续工作足够长的时间。通过亮度的动态优化调整，确保照明的稳定性，并避免因电量不足导致的提前熄灭。同时，基于优化后的亮度输出，对照明灯具的散热系统进行调节。由于在应急状态下，灯具可能会长时间工作，散热系统的调节有助于确保灯具在持续工作的过程中不会因为温度过高而影响性能或寿命。通过对散热系统的优化，灯具能够在应急状态下维持稳定的照明工作状态。对照明灯具的应急照明工作状态进行实时监测，并将状态信息通过预设的通信协议反馈给控制单元。通过反馈机制，控制单元能够实时了解每个照明灯具的工作情况，确保在整个应急照明期间系统的正常运作和故障排除。

[0041] 本发明实施例中，通过多分支融合时空图卷积网络处理环境状态时空图，实现了对烟雾、温度、一氧化碳和电力等多维度数据的深度融合分析，提高了危险情况判断的准确性和全面性。采用动态选择的最优数据传输路径，结合有线和无线双重通信接口，增强了系统在复杂网络环境下的通信可靠性和灵活性。基于危险等级自动生成和优化应急照明方案，并考虑照明灯具的空间分布和电量状态，实现了照明资源的高效利用和精准控制。通过对每个待激活照明灯具进行单独的控制参数设置和加密传输，提高了系统的安全性和针对性，能够适应不同区域的照明需求。实现了照明灯具的智能化切换和自适应调节，包括供电系统切换、亮度和功率动态调整，以及散热系统相应调节，确保了应急照明的持久性和稳定性。通过状态反馈机制，使控制单元能够实时掌握每个照明灯具的工作状态。

[0042] 在一具体实施例中，执行步骤S1的过程可以具体包括如下步骤：

[0043] 对多个照明灯具进行地址分配，得到每个照明灯具的唯一识别地址，并对多个照明灯具进行供电系统配置，使每个照明灯具具有48V集中式供电接口和内置电池的单点供电系统；

[0044] 对多个照明灯具进行光源配置，使每个照明灯具具有可调节的LED光源，并对控制单元进行通信接口配置，使控制单元具有有线和无线双重通信接口；

[0045] 基于控制单元的用户界面，对每个照明灯具进行工作模式功率设置，得到正常工作模式功率值和应急模式功率值，并基于控制单元的用户界面，对照明灯具进行应急模式指定，得到应急照明灯具列表；

[0046] 基于控制单元的用户界面，对应急照明灯具列表中的灯具进行应急模式亮度设置，得到每个应急照明灯具的应急模式亮度值，并对照明控制系统进行自检，验证所有组件的功能状态，得到配置完成的照明控制系统。

[0047] 具体的，对多个照明灯具进行地址分配，以确保每个灯具能够独立识别并进行控制，为每个照明灯具生成一个唯一的识别地址。通过控制单元中的分配算法，根据灯具的物理位置或安装顺序，使用预设的逻辑规则生成地址。例如，若有N个照明灯具，则每个灯具的地址可表示为 ，其中 为灯具的索引，取值范围为1至N。对每个灯具的供电系统进行配置。每个灯具都需要同时具备48V集中式供电接口和内置电池的单点供电系统。双重供电设计确保了在正常情况下，灯具通过集中供电系统工作，减少对单独电池的依赖，但在紧急情况下，当集中供电系统失效时，灯具能够自动切换至内置电池供电，继续为应急照明提供电力。切换过程通常由控制单元自动管理，通过检测主供电的电压状态进行动态切换。当主供电电压 低于预设的阈值 ，即当 时，系统会自动切换至内置电池供电。
在完成供电系统的配置后，对每个灯具的光源进行配置，确保每个灯具配备可调节的LED光源，且LED光源的亮度能够根据需求进行调整，使得照明系统在不同的应用场景下能够灵活应对照明需求。通过调节驱动电流 ，控制LED光源的亮度 ，其关系通过公式 表
示，其中 是一个常数，与LED的发光效率相关。控制系统只需调节驱动电流，即可达到所需的亮度输出。对控制单元进行通信接口配置。控制单元必须具备有线和无线双重通信接口，以保证系统能够在不同的通信环境下进行高效的数据传输。对于有线通信，通过以太网或其他物理线路进行，而无线通信通过Wi‑Fi或ZigBee等协议实现。通过这两种接口，确保在出现通信故障或某种通信方式受限时，依然能够通过备用通信方式进行数据传输，保证照明控制系统的稳定性和可靠性。通过控制单元的用户界面对每个照明灯具进行工作模式功率设置。通过这一用户界面，操作员设定每个灯具的正常工作模式功率值和应急模式功率值。这些功率值决定了灯具在正常照明和应急照明时的能耗状态。正常工作模式功率值通常较高，以满足日常照明需求，而应急模式功率值 则较低，以在电力受
限的情况下最大限度地延长照明时间。功率设置公式表示为 ，其中 为供电电压，为灯具的工作电流。通过调节电流 ，控制功率从 切换至 ，以适应不同的
照明需求。在设定了工作模式功率后，通过控制单元的用户界面对每个照明灯具进行应急模式的指定，生成应急照明灯具列表。该列表包括在紧急情况下需要优先激活的照明灯具。
应急照明灯具的选择基于建筑物的布局、人员疏散路线等因素，确保关键区域始终有足够的照明。此时，根据应急照明的需求，标记哪些灯具进入应急模式，并确保这些灯具的功率和亮度设置符合应急状态的要求。基于控制单元的用户界面对应急模式灯具的亮度进行设置。每个应急灯具的亮度值 根据应急情况的严重程度和电池电量进行动态调整。
亮度值通过调节LED驱动电流实现，确保在应急状态下既能提供足够的照明，又能延长内置电池的使用时间。例如，在一些关键区域，如逃生通道，将亮度设定为较高值，而在次要区域则适当降低亮度，以节省电量。在所有设置完成后，对照明控制系统进行自检，验证各个组件的功能状态。自检过程包括对照明灯具的供电系统、LED光源、通信接口、控制单元等进行全面检查，确保每个部件都能正常运行。通过发送测试指令，模拟紧急情况下的操作，确认灯具是否能够成功切换到应急模式。并保持预设的功率和亮度输出。

[0048] 在一具体实施例中，执行步骤S2的过程可以具体包括如下步骤：

[0049] 对环境传感器进行数据采集，得到原始环境数据，并对原始环境数据进行分类，得到烟雾浓度数据、温度变化率数据、一氧化碳浓度数据和电力供应状态数据；

[0050] 对烟雾浓度数据进行滤波处理，得到滤波后的烟雾浓度数据；对温度变化率数据进行计算，得到单位时间内的温度变化值；对一氧化碳浓度数据进行标准化处理，得到标准化后的一氧化碳浓度数据；对电力供应状态数据进行解析，得到电压值和电流值；

[0051] 基于预设的通信协议，对照明控制系统的网络状态进行检测，得到当前通信方式，并根据当前通信方式，对数据传输路径进行动态选择，得到最优数据传输路径；

[0052] 基于最优数据传输路径，对滤波后的烟雾浓度数据、单位时间内的温度变化值、标准化后的一氧化碳浓度数据、电压值和电流值进行周期性传输，得到环境传感器的数据。

[0053] 具体的，对环境传感器所监测的各项原始环境数据进行采集。这些数据来源于多个不同的传感器模块，例如监测烟雾浓度的传感器、温度传感器、一氧化碳浓度传感器，以及检测电力供应状态的电力传感器。通过采集原始环境数据，获得了当前环境的整体状态。对原始数据进行分类包括烟雾浓度数据、温度变化率数据、一氧化碳浓度数据和电力供应状态数据。对采集到的烟雾浓度数据进行滤波处理，去除采集过程中的噪声和异常值。滤波通过应用低通滤波器或移动平均滤波器实现。假设烟雾浓度数据的时间序列为 ，通过滤波器的处理后，得到滤波后的烟雾浓度数据 。例如，移动平均滤波通过以下公式进行计算： ；

[0054] 其中， 是滤波窗口的大小， 表示之前时刻的烟雾浓度数据。通过这种方式，平滑传感器数据，去除短时波动，得到更为可靠的浓度值。对温度变化率数据进行计算，测量单位时间内温度的变化幅度。假设温度随时间变化的函数为 ，温度变化率表示为时间的导数。在离散数据情况下，温度变化率通过以下公式计算： ；

[0055] 其中， 为温度变化率， 和 分别表示当前时刻和之前时刻的温度， 是时间间隔。通过计算，检测到环境中温度的快速变化，判断是否存在异常温升，可能指示火灾或设备过热等情况。对一氧化碳浓度数据进行标准化处理，将原始浓度数据转化为一个可比性更强的数据范围，以便后续的分析。标准化通过以下公式实现：
；

[0056] 其中， 表示标准化后的一氧化碳浓度， 为原始浓度， 为一氧化碳浓度的平均值， 为标准差。通过标准化处理，将不同区间的数值统一到相同的尺度，便于后续在不同场景下的分析和对比。同时，对电力供应状态数据进行解析，提取出电力系统中的电压值和电流值。从传感器数据中读取电力状态，并通过解析算法将其分解为电压 和电流 两个关键参数。这些参数是衡量电力供应状态的重要指标，例如： ；

[0057] 其中， 为功率， 为电压，为电流。通过解析，实时监测电力供应的健康状态，判断电力是否出现异常波动或中断。对当前的网络状态进行检测，以确保数据传输的顺畅性。选择最优的数据传输路径，保证环境数据能够稳定传输。通过预设的通信协议，检测当前网络的可用性、信号强度和稳定性，得到候选的通信方式列表。假设当前的网络状态包括有线通信和无线通信，根据检测结果选择最优的传输路径。使用动态选择算法。例如，通过评估每条通信路径的延迟 和带宽 ，计算出路径的优先级。路径优先级 表示为： ；

[0058] 在这一公式中， 值越高，表示该路径传输效率越高，因此优先选择。通过这种方式，选择通信延迟最小、带宽最大的路径，实现最优的数据传输。通过最优数据传输路径进行周期性的数据传输。周期性地传输经过滤波处理后的烟雾浓度数据 、单位时间内的温度变化率 、标准化后的一氧化碳浓度 ，以及解析得到的电压 和电流 。通过周期性传输，实时监控环境的变化，并在出现紧急情况时及时做出响应。

[0059] 在一具体实施例中，执行步骤基于预设的通信协议，对照明控制系统的网络状态进行检测，得到当前通信方式，并根据当前通信方式，对数据传输路径进行动态选择，得到最优数据传输路径的过程可以具体包括如下步骤：

[0060] 对照明控制系统中的有线网络和无线网络进行并行探测，得到有线网络状态参数和无线网络状态参数；

[0061] 基于有线网络状态参数，计算有线网络的连接质量得分，得到有线网络评分，并基于无线网络状态参数，计算无线网络的信号强度和稳定性，得到无线网络评分；

[0062] 对有线网络评分和无线网络评分进行比较分析，得到当前通信方式，并基于当前通信方式进行网络拓扑图分析，得到网络结构模型；

[0063] 对网络结构模型进行路径规划，得到多个候选数据传输路径，并基于预设的路径评估算法，对多个候选数据传输路径进行评估，得到每个候选数据传输路径的传输效率指数；

[0064] 根据传输效率指数，对多个候选数据传输路径进行排序，得到排序后的路径列表，并从排序后的路径列表中选择传输效率指数最高的路径，作为最优数据传输路径。

[0065] 具体的，对照明控制系统中的有线网络和无线网络进行并行探测，同时采集有线网络和无线网络的状态参数，以保证网络在不同通信方式下的性能得以评估。对于有线网络，监控网络的带宽、延迟、抖动和丢包率等参数，对于无线网络，评估信号强度、连接稳定性、干扰强度等信息。基于采集到的有线网络状态参数，计算有线网络的连接质量得分。假设网络状态参数包括带宽 、延迟D和丢包率 ，通过综合考虑这些因素计算网络的连接质量得分 。网络评分公式表示为：

[0066] ；

[0067] 其中， 表示网络的带宽(Mbps)，表示网络延迟(ms)，而 是丢包率。带宽越大，延迟和丢包率越低，网络的评分 就越高，这表明有线网络的连接质量较好。同样地，对于无线网络，基于无线网络状态参数计算信号强度和连接稳定性。无线网络评分通过信号强度 和网络稳定性 计算。无线网络的信号强度通常以dBm为单位进行测量，而网络稳定性则通过监测连接的持久性和信号波动来评估。无线网络评分的公式表示为： ；

[0068] 其中，是信号强度， 是基于连接的稳定性得出的系数，范围在0到1之间。信号强度越强，连接稳定性越高，网络评分 也就越高。对有线网络评分和无线网络评分进行比较分析。通过比较 和 ，确定当前最优的通信方式。若 >
，则优先使用有线网络进行数据传输；反之，则选择无线网络。基于当前的通信方式对整个网络进行拓扑图分析，了解网络的结构和各节点之间的连接关系。网络拓扑图分析能够帮助系统了解照明控制系统中的每个设备是如何相互连接的，包括设备间的通信链路和物理位置。拓扑图的生成通过拓扑发现算法实现，拓扑发现算法自动绘制出网络中的所有节点和边（即设备和连接线路）。对生成的网络结构模型进行路径规划。在拓扑图中找到多个候选的数据传输路径，每条路径都是一种潜在的通信路线。通过路径规划，生成多个候选路径，这些路径分别表示从控制单元到照明灯具之间的不同数据传输方式。为了评估每条候选路径的传输效率，基于预设的路径评估算法对这些路径进行评估。假设每条路径的传输效率与延迟 、带宽 和跳数 相关，传输效率指数 通过以下公式计算： ；

[0069] 其中， 表示路径的带宽，表示路径的总延迟， 为路径中跳数(即中间节点的数量)。带宽越大、延迟越低、跳数越少，路径的传输效率指数 就越高。根据传输效率指数，对多个候选数据传输路径进行排序。从排序后的路径列表中选择传输效率指数最高的路径，作为最优数据传输路径。

[0070] 在一具体实施例中，执行步骤S3的过程可以具体包括如下步骤：

[0071] 对环境传感器的数据中的滤波后的烟雾浓度数据、单位时间内的温度变化值、标准化后的一氧化碳浓度数据、电压值和电流值进行时间序列重构，得到多维时间序列数据；

[0072] 基于多维时间序列数据构建时空图，得到环境状态时空图；

[0073] 对环境状态时空图进行多分支融合时空图卷积网络处理，得到危险情况特征向量，其中多分支融合时空图卷积网络包括烟雾分支、温度分支、一氧化碳分支和电力分支；多分支融合时空图卷积网络部署在控制单元中；

[0074] 在烟雾分支中，对环境状态时空图进行时间卷积操作，得到烟雾时间特征，并对烟雾时间特征进行图卷积操作，得到烟雾空间特征，然后将烟雾时间特征和烟雾空间特征进行特征融合，得到烟雾危险特征；烟雾分支包括：三层时间卷积层，每层使用64个3x1卷积核，采用ReLU激活函数；两层图卷积层，每层使用32个Chebyshev多项式核，采用ELU激活函数；一个特征融合层，采用门控线性单元进行特征融合；

[0075] 在温度分支中，对环境状态时空图进行图卷积操作，得到温度空间特征，并对温度空间特征进行时间卷积操作，得到温度时间特征，然后将温度空间特征和温度时间特征进行特征融合，得到温度危险特征；温度分支包括：两层图卷积层，每层使用48个Diffusion卷积核，采用LeakyReLU激活函数；三层时间卷积层，每层使用56个2x1卷积核，采用GELU激活函数；一个特征融合层，采用自注意力机制进行特征融合；

[0076] 在一氧化碳分支中，对环境状态时空图进行并行的时间卷积和图卷积操作，分别得到一氧化碳时间特征和一氧化碳空间特征，然后将一氧化碳时间特征和一氧化碳空间特征进行注意力机制融合，得到一氧化碳危险特征；一氧化碳分支包括：两个并行的子分支，时间卷积子分支包含三层1D卷积层，每层使用40个卷积核，采用Swish激活函数；图卷积子分支包含两层图卷积层，每层使用36个谱卷积核，采用Mish激活函数；一个多头注意力层，用于特征融合，包含4个注意力头；

[0077] 在电力分支中，对环境状态时空图进行图注意力网络处理，得到电力空间特征，并对电力空间特征进行门控循环单元处理，得到电力时间特征，然后将电力空间特征和电力时间特征进行自适应融合，得到电力危险特征；电力分支包括：三层图注意力层，每层包含6个注意力头，使用残差连接和层归一化；两层门控循环单元，每层包含128个隐藏单元，采用Tanh激活函数；一个自适应融合层，使用动态权重生成网络进行特征融合；

[0078] 将烟雾危险特征、温度危险特征、一氧化碳危险特征和电力危险特征输入多层感知机，得到融合危险特征；多层感知机包括三个全连接层，隐藏层单元数分别为256、128和64，每层后接批归一化和Dropout层，激活函数采用ReLU；

[0079] 对融合危险特征进行softmax分类，得到危险等级概率分布，当危险等级概率分布指示存在危险情况时，基于危险等级概率分布进行加权投票分析，得到危险等级。

[0080] 具体的，对环境传感器的数据中的滤波后的烟雾浓度数据、单位时间内的温度变化值、标准化后的一氧化碳浓度数据、电压值和电流值进行时间序列重构，得到多维时间序列数据。将这些数据按照时间顺序重新排列，以形成一个多维时间序列数据矩阵。假设采集时间为 ，烟雾浓度、温度变化、一氧化碳浓度、电压和电流记为，多维时间序列矩阵表示为：

[0081] ；

[0082] 其中， 是一个 的时间序列矩阵，表示在不同时间点上的多维环境数据。通过多维时间序列数据矩阵，捕捉到各项数据在时间上的动态变化。基于多维时间序列数据构建时空图，生成环境状态的时空图。时空图的构建通常基于时间节点之间的相互关系以及不同传感器数据之间的空间关联。时空图的节点代表环境数据的状态，而边则表示不同节点间的时间或空间关联。对环境状态时空图进行多分支融合时空图卷积网络处理。该卷积网络主要分为烟雾分支、温度分支、一氧化碳分支和电力分支，每个分支负责处理相应的环境数据，并最终融合成一个综合的危险情况特征向量。在控制单元中部署的多分支融合时空图卷积网络，通过对每个分支的不同数据进行时间卷积和图卷积操作，提取出时空特征。在烟雾分支中，对环境状态时空图进行时间卷积操作，提取烟雾浓度数据在不同时间点上的动态特征。通过三层时间卷积层，每层使用64个3x1卷积核，对烟雾浓度数据进行充分的时间维度上的处理。卷积核大小为3x1表示在时间上取三个相邻数据点进行卷积。每层时间卷积后，应用ReLU激活函数，使得非线性特征得以保留。时间卷积处理后，对提取出的烟雾时间特征进行图卷积操作，提取数据的空间特征。通过两层图卷积层，每层使用32个Chebyshev多项式核，捕捉不同传感器数据之间的空间关联。Chebyshev多项式核适合于图卷积操作，能够有效处理非欧几里得空间的图结构数据。在卷积操作后，应用ELU激活函数，增强数据的非线性表达能力。烟雾分支的时间和空间特征通过特征融合层进行融合，融合层采用门控线性单元（GRU）进行特征融合，得到最终的烟雾危险特征。在温度分支中，对环境状态时空图进行图卷积操作，提取温度变化的空间特征。通过两层图卷积层，每层使用48个Diffusion卷积核，捕捉温度变化率在空间上的关联性。Diffusion卷积是一种适合处理时间序列数据的卷积方式，能够模拟数据在图上的扩散过程。通过三层时间卷积层提取温度变化的时间特征，每层使用56个2x1卷积核，并采用GELU激活函数进行处理。通过这种结构，有效分析温度在时间维度上的变化趋势。温度空间特征和时间特征通过自注意力机制进行融合，得到温度危险特征。在一氧化碳分支中，对环境状态时空图进行并行的时间卷积和图卷积操作，分别提取一氧化碳的时间特征和空间特征。时间卷积子分支包含三层1D卷积层，每层使用40个卷积核，采用Swish激活函数。Swish是一种平滑的激活函数，可以提高网络的性能。图卷积子分支包含两层图卷积层，每层使用36个谱卷积核，并采用Mish激活函数。谱卷积核能够捕捉图结构数据的频域特征，而Mish激活函数具有良好的梯度传播性能。通过多头注意力机制融合一氧化碳时间特征和空间特征，得到一氧化碳危险特征。多头注意力机制包含4个注意力头，能够并行关注不同的特征维度，增强特征融合的效果。在电力分支中，对环境状态时空图进行图注意力网络处理，提取电力数据的空间特征。图注意力网络通过每层包含6个注意力头的结构，自适应地分配不同特征的权重。使用两层门控循环单元提取电力数据的时间特征，每层包含128个隐藏单元，并采用Tanh激活函数，能够有效处理时间序列中的长依赖性信息。电力分支通过自适应融合层将时间特征和空间特征进行融合，得到电力危险特征。自适应融合层使用动态权重生成网络，根据特征的重要性进行加权融合。完成每个分支的特征提取后，将烟雾危险特征、温度危险特征、一氧化碳危险特征和电力危险特征输入到多层感知机中，进行特征融合。多层感知机包含三个全连接层，隐藏层单元数分别为256、128和64。每层全连接层后进行批归一化和Dropout处理，防止模型过拟合，激活函数则采用ReLU，以增强模型的非线性表示能力。融合后的特征通过softmax分类层，输出一个危险等级的概率分布。如果softmax分类结果显示存在较高的危险等级概率，基于该概率分布进行加权投票分析，最终确定当前的危险等级。通过这种方式，综合分析多维环境数据，做出准确的危险情况评估，并在必要时触发相应的应急响应措施。

[0083] 在一具体实施例中，执行步骤在一氧化碳分支中，对环境状态时空图进行并行的时间卷积和图卷积操作，分别得到一氧化碳时间特征和一氧化碳空间特征，然后将一氧化碳时间特征和一氧化碳空间特征进行注意力机制融合，得到一氧化碳危险特征的过程可以具体包括如下步骤：

[0084] 对环境状态时空图进行时间维度切片，得到一氧化碳浓度时间序列数据；

[0085] 将一氧化碳浓度时间序列数据输入第一层1D卷积层，使用40个卷积核进行卷积操作，得到第一层时间特征图，并对第一层时间特征图进行Swish激活函数处理，得到第一层激活后的时间特征图；

[0086] 将第一层激活后的时间特征图依次输入第二层和第三层1D卷积层，每层使用40个卷积核进行卷积操作并应用Swish激活函数，得到一氧化碳时间特征，并对环境状态时空图进行空间维度切片，得到一氧化碳浓度空间分布数据；

[0087] 将一氧化碳浓度空间分布数据输入第一层图卷积层，使用36个谱卷积核进行图卷积操作，得到第一层空间特征图，并对第一层空间特征图进行Mish激活函数处理，得到第一层激活后的空间特征图；

[0088] 将第一层激活后的空间特征图输入第二层图卷积层，使用36个谱卷积核进行图卷积操作并应用Mish激活函数，得到一氧化碳空间特征，并将一氧化碳时间特征和一氧化碳空间特征拼接，得到时空联合特征；

[0089] 对时空联合特征进行多头注意力处理，使用4个注意力头计算自注意力权重，得到一氧化碳危险特征。

[0090] 具体的，对环境状态时空图进行时间维度切片操作。环境状态时空图中包含一氧化碳浓度随时间和空间变化的数据，通过切片操作提取出一氧化碳浓度在时间维度上的序列数据。假设在时间点 上，一氧化碳浓度分别记为，通过时间切片，得到一氧化碳浓度的时间序列数据：
；

[0091] 将一氧化碳浓度时间序列数据输入第一层1D卷积层。该层使用40个卷积核进行卷积操作，提取时间序列中连续时间点之间的局部特征。假设卷积核大小为 ，则卷积操作表示为： ；

[0092] 其中， 是在时间点 上计算的卷积结果， 是第 个卷积核的权重，是前 个时间点的一氧化碳浓度值。通过卷积操作，捕捉到一氧化碳浓度在时间
序列中的变化趋势。卷积操作后，应用Swish激活函数对第一层卷积结果进行处理，Swish激活函数能够通过以下公式计算： ；

[0093] 其中， 是Sigmoid函数。Swish激活函数的特点是它能够保留负输入的特征信息，使得模型在处理复杂环境数据时表现更加平滑和稳定。经过Swish激活后，得到第一层激活后的时间特征图。将第一层激活后的时间特征图依次输入到第二层和第三层1D卷积层，每层依然使用40个卷积核，并应用Swish激活函数处理。经过多层卷积操作，从时间序列中提取出深层的时间特征，得到一氧化碳的时间特征，描述一氧化碳浓度随时间变化的复杂模式例如它的增长速度、变化幅度等。同时，对环境状态时空图进行空间维度切片，提取出一氧化碳浓度在空间上的分布数据。假设在不同位置 上，一氧化碳浓度分别为 ，通过空间切片操作，得到一氧化碳的空间分布数据：

[0094] ；

[0095] 将空间分布数据输入第一层图卷积层。图卷积层使用36个谱卷积核进行卷积操作。谱卷积是一种适合处理非欧几里得空间(如图结构数据)的卷积方法，能够有效捕捉不同节点(位置)之间的关联性。谱卷积通过对图的拉普拉斯矩阵进行特征分解，在频域上进行卷积操作。卷积结果表示为： ；

[0096] 其中， 是空间上位置 的卷积结果， 是谱卷积核的权重参数。经过这一卷积操作，获取不同空间位置之间的相互影响和一氧化碳浓度的空间扩散模式。卷积操作后，对第一层空间特征图应用Mish激活函数，Mish激活函数具有较好的梯度流动性和稳定性，其公式为： ；

[0097] 经过Mish激活处理后，得到第一层激活后的空间特征图。将第一层激活后的空间特征图输入第二层图卷积层，使用36个谱卷积核进行卷积操作，并继续应用Mish激活函数处理，得到一氧化碳的空间特征，反映一氧化碳浓度在不同位置的分布模式，以及它们之间的空间关联。将一氧化碳的时间特征和空间特征进行拼接操作，得到时空联合特征，使系统能够同时考虑时间和空间的相互作用。对时空联合特征进行多头注意力机制的处理。多头注意力机制通过多个注意力头并行计算自注意力权重，使系统能够在不同特征维度上关注最为重要的信息。每个注意力头根据输入的时空特征计算权重，并加权求和。假设注意力机制的输入为时空联合特征 ，则注意力得分 通过以下公式计算： ；

[0098] 其中， 分别为时空联合特征的查询、键和值， 是特征向量的维度。经过多头注意力机制处理后，自适应地分配不同特征的权重，得到一氧化碳的危险特征。

[0099] 在一具体实施例中，执行步骤S4的过程可以具体包括如下步骤：

[0100] 对危险等级进行阈值判断，得到危险程度分类结果；

[0101] 基于危险程度分类结果，从预设的应急照明策略库中选择对应的基础照明策略，得到第一照明方案；

[0102] 对照明控制系统中的照明灯具进行空间分布分析，得到照明灯具的位置信息和覆盖区域信息；

[0103] 基于位置信息和覆盖区域信息，对第一照明方案进行优化，得到第二照明方案；

[0104] 对第二照明方案中的每个待激活照明灯具进行电量评估，得到电量状态信息；

[0105] 根据电量状态信息，对第二照明方案进行调整，得到应急照明方案，其中应急照明方案包括待激活照明灯具的信息。

[0106] 具体的，对当前的危险等级进行阈值判断。通过预设的危险等级阈值，将环境数据进行分类。例如，假设环境监测系统提供的危险等级数据是基于传感器采集的烟雾浓度、温度变化、一氧化碳浓度等参数，危险等级表示为 ，其取值范围为 ，其中0表示没有危险，1表示极高危险。根据设定的阈值 和 来判断危险等级。如果 ，则为低危险状态；如果 ，则为中等危险状态；而当 时，则表示高危
险状态。通过这一过程，快速将当前的危险等级分为低、中、高三类。基于危险等级分类结果，从预设的应急照明策略库中选择与当前危险等级相对应的基础照明策略。应急照明策略库根据不同的危险情况预设多种应对方案，包括了不同区域内灯具的激活顺序、亮度设置和工作时长等信息。例如，在低危险状态下，仅激活某些关键区域的应急照明灯具；而在高危险状态下，激活整个建筑物内的所有应急照明设备。通过选择对应的基础照明策略，生成初步的第一照明方案。对照明控制系统中的照明灯具进行空间分布分析，获取每个照明灯具的位置信息 和覆盖区域 ，其中 表示第 个灯具的坐标， 表示其
照明范围。通过分析，了解灯具的地理位置，并判断照明覆盖是否存在盲区或重叠区域。基于位置信息和覆盖区域信息，对第一照明方案进行优化，生成更加合理的第二照明方案。优化的过程包括考虑如何有效激活灯具以避免不必要的能耗，确保在危险区域的灯具优先激活，同时根据灯具的覆盖范围进行合理分配。例如，如果两个相邻灯具的覆盖区域 和 存在较大重叠，选择仅激活一个灯具，减少功耗。同时，对于覆盖较少关键区域或远离危险源的灯具，适当降低它们的激活优先级或调整它们的亮度，提高应急照明系统的整体效率。对第二照明方案中的每个待激活照明灯具进行电量评估，确保灯具在激活时具备足够的电力维持运行。电量评估公式表示为： ；

[0107] 其中， 表示第 个灯具的电量状态， 是灯具电池的剩余容量， 是该灯具的功率，是应急照明预计需要维持的时长。通过公式，判断每个灯具是否具备足够的电量支持预期的照明时间。根据电量状态评估的结果，对第二照明方案进行调整，生成应急照明方案。如果某些灯具的电量不足，则选择替换它们，或者降低其亮度以节省电量。在某些情况下，调整其他灯具的激活顺序，确保应急照明系统能够在电量受限的情况下依然维持足够的照明水平，最终生成的应急照明方案包括所有待激活灯具的信息，具体到每个灯具的激活时间、亮度设置和电量状态。

[0108] 在一具体实施例中，执行步骤S5的过程可以具体包括如下步骤：

[0109] 对应急照明方案进行解析，得到待激活照明灯具列表和每个待激活照明灯具的控制参数；

[0110] 基于待激活照明灯具列表，对照明控制系统的当前通信状态进行检测，得到候选通信方式列表；

[0111] 根据候选通信方式列表，对待激活照明灯具进行分组，得到有线通信组和无线通信组；

[0112] 对有线通信组中的照明灯具进行地址编码，得到有线通信指令序列，并对无线通信组中的照明灯具进行信道分配，得到无线通信指令序列；

[0113] 将有线通信指令序列和无线通信指令序列合并，得到目标控制指令集，并对目标控制指令集进行加密处理，得到控制指令；

[0114] 基于预设的通信协议，将控制指令发送至相应的待激活照明灯具。

[0115] 具体的，对应急照明方案进行解析，得到待激活的照明灯具列表以及每个灯具的控制参数。应急照明方案包含需要激活的照明灯具的具体信息，如灯具的编号、位置、功率设置、亮度要求等。通过解析该方案，生成一个待激活的照明灯具列表，列出所有即将进入应急模式的灯具。例如，假设有 个待激活的灯具，将它们记为 ，同时解析出每个灯具的控制参数，例如功率 、亮度 以及运行时长 等。这些控制参数确保每个灯具在应急状态下能够按照预设的要求工作。在生成待激活灯具列表后，检测照明控制系统的当前通信状态，以便确定适合的通信方式。现代照明控制系统通常支持有线和无线两种通信方式，因此需要检测当前的通信网络，评估有线通信的可用性和无线网络的状态，例如信号强度、干扰程度和网络延迟等。通过检测，生成一个候洗通信方式列表，该列表包括所有可用的通信方式。根据候选通信方式列表，对待激活的照明灯具进行分组，形成有线通信组和无线通信组。假设照明系统中一部分灯具 支持有线通信，另一部分灯具
依赖无线通信，将灯具分别分配到有线通信组和无线通信组。有线通信组中的灯
具通过网络电缆进行数据传输，而无线通信组中的灯具通过无线信道与控制单元进行通信。对有线通信组中的照明灯具进行地址编码。每个照明灯具在有线网络中都有唯一的地址，这些地址基于IP地址或其他网络地址分配规则生成。通过对灯具进行地址编码，确保控制指令能够准确传递给每个指定的灯具。假设灯具 的地址为 ，灯具 的地址为 ，灯具 的地址为 ，将这些地址与相应的控制参数 和 绑定在一起，形成
有线通信指令序列，包含向每个有线灯具发送控制指令所需的信息。对于无线通信组中的照明灯具，为每个灯具分配适当的无线通信信道，以避免干扰和信号拥塞。假设系统为灯具分配信道 ，这些信道确保每个灯具能够通过稳定的无线通信接收控制
指令。将灯具的信道信息与控制参数 和 绑定在一起，形成无线通信指
令序列。将有线通信指令序列和无线通信指令序列合并，得到一个目标控制指令集，包含所有待激活灯具的控制指令。为了确保数据传输的安全性，对目标控制指令集进行加密处理，防止数据在传输过程中被截获或篡改，保证控制指令能够安全、准确地送达每个灯具。加密使用对称加密算法，例如AES(高级加密标准)，或使用非对称加密算法如RSA。加密公式表示为： ；

[0116] 其中，表示加密后的控制指令，为加密函数， 是加密密钥， 是原始的控制指令。通过这一过程，确保指令在传输过程中的安全性和完整性。基于预设的通信协议，将加密处理后的控制指令发送至相应的待激活照明灯具。有线通信组的指令通过有线网络发送，而无线通信组的指令则通过分配好的无线信道发送到灯具。不同的通信协议有不同的传输方式，有线协议包括TCP/IP，而无线协议包括Wi‑Fi、ZigBee或LoRa。

[0117] 在一具体实施例中，执行步骤S6的过程可以具体包括如下步骤：

[0118] 对接收到的控制指令进行解密处理，得到解密后的控制参数；

[0119] 基于解密后的控制参数，对照明灯具的供电系统进行切换，从48V集中式供电接口切换至内置电池的单点供电系统；

[0120] 根据解密后的控制参数中的亮度设置，对LED光源的驱动电流进行调节，得到目标亮度输出；

[0121] 基于解密后的控制参数中的功率设置，对照明灯具的功率控制电路进行调整，将功率从正常工作模式功率值切换至应急模式功率值；

[0122] 对照明灯具的内置电池进行电量检测，得到当前电量状态；

[0123] 根据当前电量状态和预设的应急照明时长要求，对LED光源的亮度进行动态调整，得到优化后的亮度输出；

[0124] 基于优化后的亮度输出，对照明灯具的散热系统进行调节，得到应急照明工作状态；

[0125] 对应急照明工作状态进行状态反馈，通过预设的通信协议将状态信息发送至控制单元。

[0126] 具体的，对接收到的控制指令进行解密处理，得到解密后的控制参数。调用相应的解密算法，通过使用对应的密钥，将加密的数据还原为原始的控制参数。假设控制指令经过AES(高级加密标准)加密，解密的过程表示为： ；

[0127] 其中， 为解密后的控制参数， 为解密函数， 为解密密钥， 为加密的控制指令。通过解密过程，获得每个灯具所需的具体控制参数，包括亮度设置、功率模式、应急时长等关键信息。在成功解密后，基于解密后的控制参数对照明灯具的供电系统进行切换。当检测到外部电源出现问题，或根据指令要求灯具切换至应急模式时，从48V集中式供电切换到内置电池供电。供电切换的操作通过控制灯具内部的电源切换模块来完成，确保在停电或其他应急情况下，照明灯具能够继续维持运行。根据解密后的控制参数中的亮度设置，对LED光源的驱动电流进行调节，实现目标亮度输出。LED的亮度与其驱动电流成正比关系，调节驱动电流以精确控制灯具的亮度。假设亮度 与驱动电流 的关系为： ；

[0128] 其中，为常数，与LED光源的发光效率有关， 是驱动电流。通过调整 ，根据解密后的控制参数设定LED光源的目标亮度输出。例如，如果解密后的参数要求灯具输出50%的亮度，系统会相应地调整驱动电流，确保实际输出的光强度与预期匹配。基于解密后的控制参数中的功率设置，对照明灯具的功率控制电路进行调整。应急模式下的功率通常低于正常工作模式，以减少能耗并延长电池使用时间。假设灯具在正常模式下的功率为，在应急模式下的功率为 ，则根据控制参数将功率从 切换至 。功率的调节通过改变输入电压或电流来实现，以确保灯具在应急状态下能够平衡亮度与电力消耗。为了优化灯具的应急工作状态，对照明灯具的内置电池进行电量检测，获取当前电池的剩余电量 ，并根据电量状态调整灯具的工作策略。例如，如果电池电量不足，则降低灯具的亮度或减少工作时间，以确保在紧急情况下能最大限度地延长照明时间。电量检测的结果用于后续的动态亮度调整。根据当前的电量状态和预设的应急照明时长要求，对LED光源的亮度进行动态调整，确保电池电量足够维持照明到应急状态结束。通过有线或无线通信协议发送给中央控制系统，确保控制单元能够实时监控每个灯具的状态。如果某个灯具出现故障或电量过低，控制单元及时采取措施，调整其他灯具的工作状态，以确保应急照明的整体稳定性。

[0129] 上面对本发明实施例中紧急情况下的照明控制方法进行了描述，下面对本发明实施例中紧急情况下的照明控制系统进行描述，请参阅图2，本发明实施例中紧急情况下的照明控制系统一个实施例包括：

[0130] 配置模块，用于配置照明控制系统，照明控制系统包括多个照明灯具、至少一个环境传感器和一个控制单元；

[0131] 监控模块，用于通过控制单元监控环境传感器的数据；

[0132] 分析模块，用于当环境传感器的数据指示存在危险情况时，由控制单元进行危险情况分析，得到危险等级；

[0133] 生成模块，用于根据危险等级，由控制单元生成应急照明方案，其中应急照明方案包括待激活照明灯具的信息；

[0134] 发送模块，用于基于应急照明方案，由控制单元向待激活照明灯具发送控制指令；

[0135] 切换模块，用于响应于控制指令，待激活照明灯具切换至应急照明状态。

[0136] 通过上述各个组成部分的协同合作，通过多分支融合时空图卷积网络处理环境状态时空图，实现了对烟雾、温度、一氧化碳和电力等多维度数据的深度融合分析，提高了危险情况判断的准确性和全面性。采用动态选择的最优数据传输路径，结合有线和无线双重通信接口，增强了系统在复杂网络环境下的通信可靠性和灵活性。基于危险等级自动生成和优化应急照明方案，并考虑照明灯具的空间分布和电量状态，实现了照明资源的高效利用和精准控制。通过对每个待激活照明灯具进行单独的控制参数设置和加密传输，提高了系统的安全性和针对性，能够适应不同区域的照明需求。实现了照明灯具的智能化切换和自适应调节，包括供电系统切换、亮度和功率动态调整，以及散热系统相应调节，确保了应急照明的持久性和稳定性。通过状态反馈机制，使控制单元能够实时掌握每个照明灯具的工作状态。

[0137] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

[0138] 所述集成的单元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，本发明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全部或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计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述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（read‑only memory， ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

[0139] 以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。