近二十年来,我国社会经济高速发展,对交通运输领域的相关需求日益增加,城市道路建设进入了一个蓬勃发展的时期,城市道路总量保持着高速增长的态势。伴随着城市道路的增多,道路照明所带来的能源消耗也不断增加。城市道路的车流量、人流量较多,为了保障夜间出行的道路安全,降低交通事故的发生概率,市政部门不得不在整个夜晚以最大亮度点亮城市路灯。而一味地追求照明亮度,将会导致能源的过度消耗,增加城市运营成本。为了响应国家节能减排、和谐发展和可持续发展战略目标的号召,市政建设部门提出了智慧城市的建设规划概念。平衡城市道路照明效果和城市运营成本之间的关系,成为城市道路智能照明控制系统所研究的重点。因此,设计一个高效、“聪明”的智能路灯控制系统是智慧城市建设的重点内容。本文研究了近几十年来城市道路照明控制系统的发展现状,结合当前已有的道路路灯控制系统,指出传统道路路灯的控制策略中所存在的不足。通过阐述智能道路路灯控制系统的控制原理、体系架构和城市照明标准,并提炼出智能化、人性化、节能化的路灯控制系统体系架构在设计时的要点。研究智能控制领域的神经网络算法和分析目前基于分布式的神经网络的智能路灯节能控制系统,本论文提出一种基于集中式的神经网络的智能路灯节能控制系统的改进方案。神经网络的控制系统具有并行处理、自学习、自组织以及非线性映射等优点。由于路灯控制系统是一个多变量和复杂的非线性控制系统,因此把神经网络应用到城市路灯控制系统中,可以达到控制系统的智能化、节能化的需求。研究路灯控制系统架构和神经网络算法可以为本文设计基于神经网络的智能路灯控制系统提供架构和理论基础。根据《城市道路照明设计标准》的标准中的要求,收集城市道路的车流量、车速与路灯照明亮度作为样本数据,采用PyTorch神经网络学习架构来训练神经网络模型,实验结果表明,采用ReLU作为激活函数可以很好地完成神经网络模型的训练。在运行对比中,基于神经网络的路灯控制系统相比于传统路灯控制系统节能43.9%,集中式的控制方法比分布式的控制方案在建设成本上明显降低,大大提高了系统智能化、节能化的性能指标。在对数据进行预处理时,采用多传感融合算法,提高了系统的可靠性。