1.一种室内照明控制方法，其特征在于，包括：对室内人员分布进行聚类划分，得到室内人员聚类子区域；

基于反向传播神经网络和径向基函数神经网络构建室内光环境模型；

根据室内人员聚类子区域，结合室内光环境模型，确定优先搜索条件和约束条件，搜索下一个要打开的目标灯具；其中，所述约束条件为室内总灯光照度值和室内总日光照度值的和不小于室内标准照度值，该室内标准照度值满足室内人员最低照度需求；

在满足约束条件的前提下，根据优先搜索条件搜索下一个照明对象和当前最优的照明组合；

根据最优照明组合，控制室内灯具的开关状态。

2.根据权利要求1所述的室内照明控制方法，其特征在于，对室内人员分布进行聚类划分，得到室内人员聚类子区域包括：采用MS聚类分析算法将室内分散的人员划分成多个相对密集的人员聚类子区域，并获取每个人员聚类子区域的聚类中心。

3.根据权利要求1所述的室内照明控制方法，其特征在于，基于反向传播神经网络和径向基函数神经网络构建室内光环境模型包括：确定反向传播神经网络和径向基函数神经网络的最优组合参数；

根据最优组合参数，构建每个窗户与室内所有人员位置点的映射关系，形成室内日光模型；

根据最优组合参数，构建每个灯具与室内所有人员位置点的映射关系，形成室内灯光模型。

4.根据权利要求3所述的室内照明控制方法，其特征在于，确定反向传播神经网络和径向基函数神经网络的最优组合参数包括：采集室内人员位置点处的实际照度值，分为训练样本和验证样本；

利用训练样本分别训练反向传播神经网络和径向基函数神经网络；

利用训练好的反向传播神经网络和径向基函数神经网络，分别对每组验证样本进行估计，分别计算反向传播神经网络和径向基函数神经网络分别对每组验证样本估计值的绝对差值；

若绝对差值小于等于预设的最大差值，则采用基于平均绝对百分比误差的协方差权重分配方法计算反向传播神经网络和径向基函数神经网络的组合权重。

5.根据权利要求4所述的室内照明控制方法，其特征在于，若绝对差值大于预设的最大差值，则：

仿真计算验证样本对应的实际输出值；

当实际输出值在反向传播神经网络对验证样本的绝对误差和径向基函数神经网络对验证样本的绝对误差的范围内时，采用基于平均绝对误差的协方差权重分配方法计算反向传播神经网络和径向基函数神经网络的组合权重。

6.根据权利要求4所述的室内照明控制方法，其特征在于，采用基于平均绝对百分比误差的协方差权重分配方法计算反向传播神经网络和径向基函数神经网络的组合权重包括：在验证阶段，根据平均绝对百分比误差分别计算反向传播神经网络和径向基函数神经网络的方差；

根据反向传播神经网络的方差计算反向传播神经网络的组合权重，根据径向基函数神经网络的方差计算径向基函数神经网络的组合权重。

7.根据权利要求3所述的室内照明控制方法，其特征在于：根据光照机理，确定室内日光模型的输入参数，包括：室内某一窗户内侧面的平均照度、该窗户内侧面某一点的坐标、该窗户的长度、该窗户的宽度以及室内人员位置坐标；将窗户在所述室内人员位置坐标点上的照度值作为室内日光模型的输出参数；

根据光照机理，确定室内灯光模型的输入参数，包括：室内某一灯具的实际光通量、该灯具的坐标、该灯具相对于室内地面的高度、室内人员位置坐标，将灯具在所述室内人员位置坐标点上的照度值作为室内灯光模型的输出参数。

8.一种室内照明控制系统，其特征在于，包括：聚类模块，用于对室内人员分布进行聚类划分，得到室内人员聚类子区域；

构建模块，用于基于反向传播神经网络和径向基函数神经网络构建室内光环境模型；

确定模块，根据室内人员聚类子区域，结合室内光环境模型，确定优先搜索条件和约束条件，搜索下一个要打开的目标灯具；其中，所述约束条件为室内总灯光照度值和室内总日光照度值的和不小于室内标准照度值，该室内标准照度值满足室内人员最低照度需求；

搜索模块，用于在满足约束条件的前提下，根据优先搜索条件搜索下一个照明对象和当前最优的照明组合；

控制模块，用于根据最优照明组合，控制室内灯具的开关状态。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质包括用于执行如权利要求1‑7任一项所述的室内照明控制方法的指令。

10.一种电子设备，其特征在于：包括如权利要求9所述的非暂态计算机可读存储介质；

以及能够执行所述非暂态计算机可读存储介质的所述指令的一个或多个处理器。