1、采用基于相机成像原理与深度学习算法，构建出交通流多种特性的模型，再利用硅光电池的光生伏特效应完成车辆信息采集，从而实现对多条车道实时进行车型、车流量等多种类型数据采集、传输和分析，实现交通流预测与优化。

2、通过采用均值背景差分和自适应阈值选取相结合的方法，获取可靠前景、背景；通过采用基于颜色和纹理的阴影检测方法去除所检测目标中的阴影部分，降低阴影对车辆检测的影响程度；通过采用canny边缘检测及Kalman滤波跟踪模型技术，跟踪车辆轮廓目标经过检测区域的频率，判断所属车型并统计对应的车流量。

3、为了消除天气因素对交通流的影响，引入时空关联LSTM模型分析技术与DBN-SVR模型分析技术，通过收集天气与交通流数据，对数据进行缺失补齐、去噪、归一化处理，利用长短时记忆递归神经网络（LSTM）处理交通流的时间相关性，同时采用局部相关系数法自适应调整上下游检测点对目标检测点的影响权重，实现交通流空间关联性的提取；利用灰色关联分析法分析交通流数据与天气数据之间的非线性相关关系，从而筛选出对交通流影响较大的天气因素，再利用深度置信网络（DBN）提取天气与交通流量的非线性特征并输入到支持向量机（SVR）中，通过SVR强大的非线性回归拟合能力，对交通流量进行预测，从而实现较高识别和统计精度，满足对车辆实时监控管理的要求。