本发明涉及一种采用基于物联网、大数据信息技术尤其是深度神经网络的解决方案，通过采集路网交通流短时与长时段历史数据，运用Node2vec与图多注意力神经网络(GMAN)融合机制的深度学习，训练出预测模型并预测出当前时间点之后30分钟路网目标路段和节点交通流状态，并根据预测结果对信号灯的绿信比作实时智能反馈，从而达到精准限流、最大化挖掘路网通行能力、减少事故造成的拥堵和交通瘫痪的目的。本发明从交通数据采集和转换到交通信号灯的调整控制，形成了一套完整的最大化关键道路通行能力的方法，并在实际工程上进行了应用验证，达到了精准限流、最大化挖掘路网通行能力、减少事故造成的拥堵和交通瘫痪的效果。