交通的要素主要在于安全、畅通。论文的应用背景在于“平交路口柔性控制系统”的“联动联控”。当前国省道干线与县乡道支线的平交路口的安全与效率矛盾日益突出。据统计,该处的交通事故率分别约占全国或镇江地区总数的1/3、1/2。若采用红绿灯刚性控制,则难以达到干线额定的60-80km/h的车速。而提出的柔性管控方式,其目的在于让司机或行人实时获知转角方向的运行信息,以预警方式,提示司机或行人采取减速、缓行、刹车等措施。论文旨在通过建立反映路况的车流量预测和占有率计算两算法模块,实现与柔性管控系统的“联动联控”:从感知的数据源中生成柔性管控策略,又从其数据源中,获取管控调节后的道路运行效率指标。以保障安全性能,同时提升干线的运行效率。论文分为八章。论文除背景意义、国内外研究状况、涉及的深度学习方法之外,描述了交通大数据的特性,特别是反映道路效率的车流量和道路占有率数据;并给出了镇江数据集预处理方式。论文分别构建了车流量预测和道路占有率算法模块。前者基于深度学习的原理,论文分别给出了优化的深度信念网络DBN和优化的LSTM循环神经网络的车流量预测模块,后者在车流量矫正后采用经验数学模型修正,并从镇江路网的实时数据中获取了反映道路运行状况的数据,以供生成柔性管控策略。论文给出了车流量预测模块、道路占有率模块与柔性系统的“联动”方式,主要包括策略的生成和调节后道路运行状况的评价和验证。论文的创新点主要在于:●论文提出了车流量预测、道路占有率模块与柔性管控系统的“联动”方法,相应给出了数据-信息-控制指令,形成了从数据源到信息提取,又反馈得到了道路运行等一系列的数据流程;●论文优化了 DBN车流量预测模型,其机理在于对DBN网络加入去腐蚀机制减少噪声影响,相比传统深度信念网络MAPE、MAE、RMSE误差分别降低了 2.68%、6.79、8.97;●论文优化了 LSTM车流量预测模型,其机理在于对LSTM神经网络加入有权残差解决学习退化问题,相比传统循环神经网络MAPE、MAE、RMSE 误差分别降低了 2.80%、7.93、12.22;●论文优化了占有率数学模型,融合通道车流量矫正算法,以提高占有率计算准确度,并在镇江数据集上实验验证。