Abstract：
提出了一种基于长短期记忆神经网络的智慧路灯控制方法,实现了能够根据路面能见度情况进行自适应调光的智慧路灯.选择PM2.5、PM10、湿度、累积风速四种气象因子作为输入,采用长短期记忆神经网络实现对路面能见度的建模,并使用Adam算法优化模型.智慧路灯根据建模所得能见度与照度信息,在高能见度时,自动采用普通亮度与高色温照明模式,有效节约能源;在低能见度时输出更高的亮度与更低的色温,增强路灯透雾能力,保证路面照度符合需求.通过实验分析,该模型的预测值与真实能见度之间正则化均方根误差为0.13194、平均绝对误差为0.69785 km以及决定系数为0.85725,优于所选的对比模型.相比于传统路灯控制方式本文方法在保障车辆行驶安全的同时有更好的节能效果.
Keyword：
Reprint 's Address：
Email：
Source ：
照明工程学报
ISSN： 1004-440X
Year： 2022
Issue： 3
Volume： 33
Page： 148-154
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
