由于交通运输行业的快速发展,使我国隧道规模发日趋庞大。与此同时,伴随着高等级公路隧道的不断建成,管理养护费用也与日俱增。其中照明费用占了管理运营费用相当大的一部分,负担沉重。另一方面,现运营的隧道照明系统电能浪费严重,无法适应当前行车安全和节能的需要。隧道照明节能技术及控制方法的研究和改善,对实现隧道运营中的节能降耗有很大的功效,因此必须大力开展这方面的研究。本文从隧道照明的影响因素入手,预测了隧道内的交通流量；基于交通流量、车速、洞外亮度等因素建立隧道照明调光曲面；进而对隧道照明照度调节进行优化,保证其达到最优运行状态,起到很好的节能降耗的作用；并将这些模型应用于隧道照明仿真实验中,证明了其有效性和可行性。具体工作如下：(1)对高速公路隧道照明各影响因素如车流量、车速、洞外亮度等进行了相应探讨,着重对隧道内交通流量这一重要参数的预测进行了详细研究,利用时间序列分析和机器学习的相关知识提出了基于数据预处理提高信噪比的组合预报的概念,将这一策略应用到短时交通流预测中,设计了高速公路隧道交通流量的组合预测模型,从理论和实验两方面证明了此预测模型简单实用且有较好的预测精度,为后续的隧道照明节能工作做了相应铺垫。(2)在确定车流量、车速、洞外亮度这三个影响因素之后,建立了隧道内亮度随洞外环境、车速、车流量变化的模型,通过建立模糊规则库的方法,设计出了隧道照明需求曲面,使其可以对隧道内亮度进行实时调节,来满足隧道内不同的照明亮度需求,以实现节能的目的。(3)在满足隧道照明亮度需求的前提下,研究了隧道照明亮度调节优化问题,为了达到提高工作效率和节能的目的,使照明系统获得最优的运行状态,提出建立遗传算法的隧道灯具亮度调节模型,将遗传算法应用于隧道照明的照度优化中,以耗能最少为目的,优化照明系统,结果证明该方法可以按不同照度需求获得最优亮度,起到很好的节能目的。)本文的创新性在于提出了一种隧道交通流量组合预测的方法,在经过数据预处理提高信噪比的前提下,把传统的自回归求和滑动平均预测方法(ARIMA)与智能最小二乘支持向量机预测方法(LS-SVM)结合起来,使其充分发挥了各自的优点,提高了预测精度。其次,建立了照明需求优化模型,以耗能最小为目标函数,使复杂的照度优化问题简化为求解多元方程组问题,使其获得最佳的优化照度,达到更好的节能目的。与以往常规的动态规划法相比,具有较强的全局搜索性,能以较快的速度收敛于最优解。