路灯照明在市民出行、社会秩序和交通安全中处于特别重要的位置。近年来,城市路灯每年以10%至20%的速度增长。2014年全国城市路灯消耗约2,485亿kWh电能,按每天平均照明12小时,每天若能减少照明1分钟,则每年大约可节约3.45亿kWh,相当于减少排放二氧化碳约34.4万吨。现有的城市路灯开关控制大多是根据模板表定时触发,在正常天气时经常早晨关灯晚,晚上开灯早,造成能源的浪费;在恶劣天气时不能自动提早开灯或延迟关灯,需要工作人员手动下发开关灯命令,从命令下发到路灯完全点亮大约需要10~15分钟,而这时天空已经变得很暗,严重影响市民的正常生活甚至可能造成交通事故。结合现有路灯开关控制的不足,提出将预测应用到路灯开关控制中,提前得到未来的开关灯时间,不仅为路灯控制提供一定的决策支持,也能节约能源。本文研究了路灯开关时间的特点和其影响因素,重点分析了光照度的特性,提出了天气的数值化映射。路灯系统环境复杂,样本数据受到各种影响,根据实验数据的特性介绍了本文使用的数据预处理方法。比较了现有常用的预测算法,因本实验数据的小样本特性,选择用最小二乘支持向量机进行建模。依照训练数据的特性给出了最小二乘支持向量机的模型结构、核函数选择、参数优化等。通过仿真分析可以发现,与BP神经网络模型对比,最小二乘支持向量机在小样本预测中的性能更好。当光照度变化趋势越具体时,预测效果会越好。仅仅根据日落时间、最低温度、最高温度、天气状况,预测的平均绝对误差在2分15秒之内。相比日落时就开灯,根据本文预测的时间进行开灯,每盏灯每天大约能节省7分33秒的照明时间。