基于深度学习的智慧城市交通规划方法及系统

本发明公开了基于深度学习的智慧城市交通规划方法及系统，涉及城市交通管理技术领域，通过识别交通扰动活动的活动区域，构建扰动区域图Ga，并采集车辆行驶相关数据和灯控周期数据，构建标准化数据集合H，并对交通行驶路径在交通扰动活动前后的路径长度变化与方向偏移进行耦合建模，以量化活动区域的通行状态，获取路径扰动偏移系数Py，并结合路径扰动阈值Pyyz评估活动区域的通行状态，在通行状态处于异常状态时，进行信号灯周期节奏分析，获取相位错位传播指数Xw，并耦合建模获取综合节奏适应指数Zh，以划分交通信号控制系统的风险等级，生成系统调节指令，进行智能调节，提升了智慧城市交通规划的智能化、精准化与实时化水平。