随着技术的发展,自动化的路灯控制已经成为智慧路灯管理的重要要求。目前利用光线传感器可以对路灯进行有效的单灯自动化控制,但是因一些衰老、损坏、污染等因素影响造成了光控路灯在普及中出现投诉率高的问题。通过雾计算在区域数据的基础上解决路灯光控调光中的实际问题,对智慧路灯控制系统的发展有一定的促进作用与现实意义。当前在路灯管理方面很多市民通过12345热线或微博等渠道反馈路灯情况,管理部门通过人工进行相应的问题处理。业务流程环境多,效率低下,人工成本高。本文研究的重点是将雾计算的理念融入传统光控,优化光控模型并利用自然语言处理技术(Natural Language Processing,NLP)结合区域舆情构建一体化平台,为智慧路灯控制全面数字化发展提供参考。本论文主要内容包括以下几个方面:1.提出了基于雾计算的路灯光控模块:该模块综合利用边缘节点解决现有智慧路灯光控设备受灰尘,落叶,光敏电阻老化、损坏而影响自动控制的问题。通过编码定位区域,获取区域路灯数据进行联合计算,将结果用于路灯光电控制系统纠偏或替代,以此解决传感器故障对路灯系统造成的影响。该模块的应用可以有效降低路灯投诉事件,减少运维频率,提升市民满意度的同时降低管理者的运营成本。2.提出了基于迁移学习Bi LSTM-CRF的故障路灯事件识别方法:分析路灯管理的各种必要因素,使用迁移学习Bi LSTM-CRF技术从舆情中识别故障路灯事件,提取事件中的相关地址信息并确定信息的有效性。通过系统对地址中的故障路灯准确定位,可以解决传统路灯故障位置信息需要运维人员二次确认的问题,提升系统效率,降低人力资源成本。3.基于微服务架构的智慧路灯控制模块实现及管理系统集成:基于微服务架构使用Spring Cloud、Kubernets、Docker等技术,将控制模块与智慧路灯控制系统进行集成,实现基于雾计算的路灯光控功能以及基于迁移学习Bi LSTM-CRF的传统路灯管理功能,提升开发效率,增强系统可用性,扩大系统管理范围,提升市民满意度。在测试中,对系统的性能和效果评价均达到预期。提升路灯自动化控制水平,降低人工成本,是智慧路灯控制系统发展的重要目标。本文主要研究传统路灯光控方法并运用迁移学习Bi LSTM-CRF技术提升智慧路灯控制系统的管理能力。