一种复杂交通环境下动静态诱导信息结合的交通流管理方法

本发明公开一种复杂交通环境下动静态诱导信息结合的交通流管理方法，通过构建含时态标签的时空数据立方体，融合静态路网约束(禁行规则、车道属性)与动态实时数据(流量、事件)，经双层校验机制净化异常数据，确保合规性。基于分层多目标优化模型，采用带注意力机制的NSGA‑AM算法，生成兼顾行程时间、碳排放、路网公平性的帕累托最优诱导策略，计算复杂度降至O(NlogN)，策略生成时间＜10ms。通过边缘计算与云端协同的三级反馈机制(即时响应、短期调整、长期进化)，实现系统自进化，动态适应交通环境变化。实验表明，该方法违规诱导率从15％降至2％以下，平均行程时间减少18％‑25％，碳排放降低12％‑18％，显著提升复杂路网的通行效率与安全性，适用于智能交通系统工程化应用。