随着公路隧道里程的迅速增加，导致基于洞内最大照度设计的隧道照明系统运营成本增加，节能降耗成为减少隧道照明电能浪费的重要手段。目前，工程实际中普遍采用时序分级调光控制方法来实现节能，这种方法按照不同时段的照明预案分回路控制灯具的逻辑开关，由于其不能结合实时的天气状况和交通状况变化，造成过度照明或照明不足，同时降低了隧道通行的安全性。本文提出了一种同时考虑实时洞外亮度、交通量和车速的隧道照明节能控制模型，同时设计了一种在分级控制基础上改进的细分子回路无级调光控制算法。根据洞外亮度、交通量和车速的预测数据以及提出的隧道照明三元参数节能控制模型来计算优化后的隧道各段照明需求亮度，然后根据设计出的细分子回路无级调光控制算法计算出各段各子回路灯具调光的期望功率，这种算法简单地建立了实时的隧道照明需求亮度与灯具期望功率之间的联系。计算结果表明：基于细分子回路无级调光控制算法的节能能耗达到50%，路面亮度总均匀度满足规范中的评价指标。本文采用了神经网络控制算法来模拟细分子回路无级调光控制算法，实时的洞外亮度、交通量和车速作为神经网络的输入样本，灯具调节的期望功率作为神经网络的目标输出样本。利用MATLAB神经网络工具箱进行训练和仿真，实验结果表明：灯具期望功率与神经网络的实际输出功率之间的平均误差不大于0.2，神经网络模型较好地拟合了细分子回路无级调光控制模型，并且训练成功的神经网络具备了较好的泛化能力。