基于深度学习的城市交通流量预测与信号灯自动控制系统。交通灯智能控制配时方法针对传统信号灯配时不灵活、无法适应雨雪等天气情况或修路等突发情况对交通造成影响、需铺设线圈等造价昂贵等问题，提出一种考虑了城市交通高度动态性、随机性和不稳定性，基于模糊逻辑构建训练集、搭建并训练深层 LSTM 神经网络实现城市交通流量预测的模型系统。该智能系统具有以下特点：（1）历史交通流量分析+在线学习能力。系统能自学习城市级大规模交通信号灯通行、拥堵情况，通过 LSTM 深度学习建立交通流模型，进行历史大数据分析，根据当天天气情况，系统分时段地、精确地对信号灯进行配时。预测准确率超过 99%。（2）在线预测及无人值守的智能自修正能力。系统根据当前车流情况来预测、调节下一周期信号灯时长。通过设计的物联网架构，远程将配时策略下发信号灯；系统建立强化学习模型，能感知获取道路状况、突发情况等，进而动态地优化信号灯配时策略，使信号灯更像人脑智能。（3）结合车联网 V2X 通信技术实现多信号灯协同控制。局部区域信号灯智能联网，运用多 Agent 强化学习达到信号灯联动效果，平衡交通流在时空分布，有效地缓解城市交通拥塞。