随着我国碳中和目标、可持续发展战略和应对气候变化方针的推行,建立适应中国发展的智能建筑技术体系成为我国建筑领域的重要发展方向。照明系统作为建筑体系的主要组成部分,其如何实现智能化、低能耗和适应人们日益增长的照明要求成为智能建筑技术体系发展亟需攻克的瓶颈。目前公共建筑智能照明系统存在室内光环境建模困难、照明控制系统与人员时空分布不匹配、照明系统运行能耗与光环境舒适度难以平衡等难题。因此,本文着眼于照明系统的舒适性、节能性、高效性等指标,在基于机理和数据的室内光环境建模方法和基于人员分布的智能照明控制策略等方面进行深入研究。本文通过搭建硬件和仿真平台验证了室内光环境建模方法和智能照明控制策略的有效性。本文研究的主要内容和成果如下:（1）基于机理和数据的室内光环境建模方法。本文提出了一种基于BP神经网络和RBF神经网络的多神经网络组合方法,构建了组合日光和灯光预测模型。对比实验结果表明,其有利于提高照度的预测精度和速度。本文利用点照度机理和基于数据训练的组合预测模型建立了室内光环境照度计算模型,使其快速准确获取人员所在位置点处的日光和灯光混合照度值。本文基于DIALux搭建了室内光环境仿真模型,验证实验结果表明了室内光环境照度计算模型的计算准确性和普适性。（2）室内人员定位和聚类区域划分。本文利用TB-RK3399Pro D,实现了基于嵌入式平台的人员目标检测和定位应用技术的设计。本文首先搭建了相应的硬件和软件环境,其次通过TB-RK3399Pro D直接采集实时摄像头捕捉到的室内某一时刻人员分布情况,利用YOLO V3 RKNN模型和Y-CMAC网络框架模型获取此时的人员实际位置坐标。验证实验表明,其实现了目标检测和定位的高计算运行和低成本应用。本文采用均值漂移算法对此时的室内人员实际位置坐标进行聚类区域划分,为确定优先搜索照明对象奠定前提。对比实验表明,基于均值漂移算法的室内人员分布聚类区域划分效果更优。（3）基于人员分布的智能照明控制策略。本文面向不可调亮度灯具,提出了人员分布驱动的室内照度群控决策策略和智能照明搜索算法。对比实验结果显示,该策略在满足每个人员统一照度需求的前提下,搜索到最少数量和最优位置的最优灯具组合。本文面向可调亮度灯具,提出了人员分布驱动的室内照度优化控制策略和基于竞争学习的最佳引导多种群粒子群优化算法。对比实验表明:该策略在满足照度均匀度、照明舒适度、照度需求的前提下,实现了最优灯具组合中每个灯具的照度值最优;本文提出的算法加快了解的收敛速度、提升了解的精度。基于人员分布的智能照明控制策略通过减少灯具的开灯数量、寻找最优的开灯组合和优化灯具的调光水平实现了照明节能、提升舒适度和满足人员照明需求。