边缘机器学习技术进入智能交通拥堵控制系统，利用高级对象检测算法，预测性建模和动态信号优化的功能。在这个创新系统的核心位置是Yolov8，这是一种最先进的对象检测算法，它在迅速识别和分类的车辆，行人，骑自行车的人和其他路交通摄像头中的其他道路元素方面都符合实时交通摄像头供稿。通过准确检测和跟踪这些对象，系统可以就交通流量，信号时机和安全措施做出明智的决定，从而提高城市交通管理的整体效率和有效性。所提出的系统代表了解决交通拥堵的一种整体方法，将卷积神经网络（CNN）的能力结合在一起，用于拥塞检测，增强学习与近端政策优化（PPO）进行动态信号时机以及长期短期记忆（LSTM）网络（LSTM）网络进行预测性建模。高级算法的这种协同集成使系统能够适应实时的交通状况，最大程度地减少拥塞并优化现有基础架构的利用。2。文献综述，城市交通拥堵的持久问题促使研究人员和工程师之间的一致努力制定了创新的补救措施。将机器学习（ML）和人工智能（AI）方法纳入交通管理系统已成为一种有前途的方法。本评论调查了基于ML的城市交通管理的相关研究和进步，旨在解决其对社会，环境和经济的多方面影响。