1.一种人工智能的路灯控制系统，其特征在于，包括人工智能模块、采集模块、光强度模块、电路调节模块以及时间模块；

所述采集模块包括光照强度采集单元、车辆采集单元以及车道采集单元；

所述光照强度采集单元用于采集路段内的光照变化；所述车辆采集单元用于采集路段内的车辆信息；所述车道采集单元用于采集路段内的车辆的行驶道路；

所述光强度模块用与对光照变化进行变换预测并同时将预测结果与真实结果发送至人工智能模块进行深度学习；

所述电路调节模块用于接收人工智能模块的调整指令，进而对路灯进行调节；

其中，所述光强度模块用与对光照变化进行变换预测，具体包括以下步骤:S1:获取车辆的驶出速度与车灯光照强度，通过公式 获得光照强度调整值ldqd；式中ZDKS为漫反射值；α与β均为比例系数；

S2:将光照强度调整值ldqd标记为预测结果，并将预测结果发送至人工智能模块；

S3:获取车辆的驶入速度与验证车灯光照强度，通过公式 获得真实结果zdqd；

S4:将真实结果zdqd标记为真实结果，并发送至人工智能模块。

2.根据权利要求1所述的一种人工智能的路灯控制系统，其特征在于，所述光照强度采集单元用于采集路段内的光照变化，具体为：步骤一：沿路段的起始端开始等距间隔设置若干个环境光线传感器直至路段的结束端为止；

步骤二：所述路段的起始端至路段的结束端等距安装有若干个路灯，若干个所述路灯内均安装有路灯光线传感器；

其中，所述环境光线传感器的采集方向与车道方向相同；所述路灯光线传感器采集方向与路灯光照方向相同；

步骤三：将相邻两路灯之间的路段内的环境光线传感器进行划分，具体为：A31:将相邻两路灯分别标记为第一路灯与第二路灯，其中，第一路灯到第二路灯的方向为路段内车辆的行驶方向；

A32:将第一路灯到第二路灯之间的距离标记为M；其中，距离具体为第一路灯到第二路灯之间的路段距离，需要注意的是，并非直线距离；

A33:第一路灯到第二路灯 距离内的环境光线传感器标记为驶出环境光传感器；第一路灯到第二路灯 至 距离内的环境光线传感器标记为车灯环境光传感器；第一路灯到第二路灯 至M距离内的环境光线传感器标记为验证环境光传感器；

步骤四：获取驶出环境光传感器的数据，并通过公式得出车辆的驶出速度，式中，i1为第一个驶出环境光传感器监测到光线变化的时间，i2为第二个驶出环境光传感器监测到光线变化的时间……iN为第N个驶出环境光传感器监测到光线变化的时间；M(2‑1)max第一个驶出环境光传感器与第二个驶出环境光传感器之间的距离，……M(N‑(N‑1))max为第(N‑1)个驶出环境光传感器与第N个驶出环境光传感器之间的距离；N为驶出环境光传感器的个数；

其中，所述驶出环境光传感器为等距安装，M(2‑1)max、M(3‑2)max……M(N‑(N‑1))max均相等；

当M(2‑1)max、M(3‑2)max……、M(N‑(N‑1))max中出现异常数据时，将产生异常数据对应的环境光传感器标记为异常传感器；

其中，异常数据为超过标准距离值10％或小于标准距离值10％的距离数据；

步骤五：获取车灯环境光传感器数据，并通过公式 得出车灯光照强度；式中，c1为第一个车灯环境光传感器数据、c2为第二个车灯环境光传感器数据……cn为第n个车灯环境光传感器数据；n为车灯环境光传感器的个数；ν为权重调节系数；

所述灯环境光传感器数据具体为车灯光照强度值；

步骤六：获取验证环境光传感器数据，通过公式获得车辆的驶入速度；式中，r1为第一个验证环境光传感器监测到光线变化的时间，r2为第二个验证环境光传感器监测到光线变化的时间……rN为第N个验证环境光传感器监测到光线变化的时间；T(2‑1)max第一个验证环境光传感器与第二个验证环境光传感器之间的距离，……T(T‑(T‑1))max为第(T‑1)个验证环境光传感器与第T个验证环境光传感器之间的距离；T为驶出环境光传感器的个数；

通过公式 得出验证车灯光照强度，式中，qn为最后一个验证环境光传感器；qn‑1为qn前一个验证环境光传感器。

3.根据权利要求1所述的一种人工智能的路灯控制系统，其特征在于，所述车辆采集单元用于对车辆进行采集，具体为，通过交通摄像头对车辆驾驶员进行记录。

4.根据权利要求1所述的一种人工智能的路灯控制系统，其特征在于，所述车道采集单元用于采集路段内的车辆的行驶道路，具体为，通过交通摄像头对车道内行驶的车辆进行正逆行判断。

5.根据权利要求1所述的一种人工智能的路灯控制系统，其特征在于，所述人工智能模块通过若干组光照强度调整值ldqd与真实结果zdqd的比值获得学习系数，并将学习系数与车辆驾驶员相匹配。

6.根据权利要求1所述的一种人工智能的路灯控制系统，其特征在于，所述人工智能模块通过公式光照强度调整值ldqd乘以学习系数得到调整指令。

7.根据权利要求1所述的一种人工智能的路灯控制系统，其特征在于，所述时间模块用于对时间进行标记进，具体为，对第一个驶出环境光传感器监测到光线变化的时间、第二个驶出环境光传感器监测到光线变化的时间、第N个驶出环境光传感器监测到光线变化的时间、第一个验证环境光传感器监测到光线变化的时间、第二个验证环境光传感器监测到光线变化的时间以及第N个验证环境光传感器监测到光线变化的时间进行记录。

8.根据权利要求2所述的一种人工智能的路灯控制系统，其特征在于，所述权重调节系数，具体为，路灯光线传感器感知光照强度乘以距离车灯环境光传感器的距离衰减率；

其中，所述距离衰减率为固定系数，随着距离而变化；车灯环境光传感器距离路灯光线传感器的距离为第一个车灯环境光传感器与路灯光线传感器之间的距离。

9.根据权利要求1所述的一种人工智能的路灯控制系统，其特征在于，所述人工智能模块通过公式光照强度调整值ldqd乘以学习系数得到调整指令具体为：W1、构建比较结构，所述比较结构为训练网络，此训练网络包括三个卷积层、两个池化层和一个输出层；其中：第一层是卷积层，采用Relu激活函数，卷积方式为带边卷积；

第二层是池化层，按照最大值池化；

第三层是卷积层，采用Relu激活函数，卷积方式为带边卷积；

第四层是卷积层，采用Relu激活函数，卷积方式为带边卷积；

第五层是池化层，采用Relu激活函数；

第六层是输出层，采用Softmax激活函数；

W2、将样本集送入步骤S1建立的训练网络中进行识别训练，训练完成后得到比较结构；

W3、用测试程序把得到的比较结构对未知样本集进行分类识别，再辅以人工矫正，进行迭代训练，得到新的比较结构；

W4、重复步骤S3，根据反向梯度算法中的梯度变化动态调整学习率，学习率逐步减小至预设的值，直到梯度变化在一定时间内变化小于阈值，那么系统将自行停止训练，得到最终的比较结构。

10.根据权利要求9所述的一种人工智能的路灯控制系统，其特征在于，所述样本集为真实结果zdqd与预测结果ldqd。