1.一种基于深度学习的区域化交通信号控制系统，其特征在于，包括单路口交通信号灯以及与交通信号灯相连的云端服务器，其中，单路口交通信号灯包括信息采集单元（010）、存储单元（020）、5G通信单元（030）以及交通信号控制单元（080）；云端服务器包括云端数据处理及数据库单元（040）、基于深度学习的交通量预测单元（050）、基于Synchro的仿真计算单元（060）以及区域化路网模型建立单元（070）；信息采集单元（010）与存储单元（020）相连，存储单元（020）与5G通信单元（030）相连，5G通信单元（030）与数据处理及数据库单元（040）相连，数据处理及数据库单元（040）与基于深度学习的交通量预测单元（050）相连，基于深度学习的交通量预测单元（050）与基于Synchro的仿真计算单元（060）相连，区域化路网模型建立单元（070）与基于Synchro的仿真计算单元（060）相连，基于Synchro的仿真计算单元（060）还经5G通信单元（030）、存储单元（020）与交通信号控制单元（080）相连；

所述信息采集单元（010）包括天气采集模块（011）、交通流量图像采集模块（012）、行人流量图像采集模块（013）、时间采集模块（014）以及特殊事件采集模块（015）；

天气采集模块（011）包括光线强度传感器（011‑3）、湿度传感器（011‑2）以及温度传感器（011‑1），3种传感器均布置在单路口交通信号灯柱下部；光线强度传感器（011‑3）、湿度传感器（011‑2）以及温度传感器（011‑1）均与存储单元（020）相连；

所述交通流量图像采集模块（012）包括若干用于采集单个路口各个方向的车辆图像信息的摄像头（091）；

所述行人流量图像采集模块（013）用于采集人行道行人通行图像信息；

所述时间采集模块（014）用于记录上述信息对应时间段；

所述特殊事件采集模块（015），置于云端服务器数据库模块（042）中，用于通过Internet采集当前城市、区域的重大节日、活动以及特殊车辆通行信息；

所述基于深度学习的交通量预测单元（050），包括数据库信息读入模块（051），交通量预测模型训练模块（052）以及预测结果存储模块（053），所述数据库信息读入模块（051）用于自动调用云端数据处理及数据库单元（040）中存储的各类交通量数据和行人流量数据以及对应时刻的环境信息、特殊事件数据并存储；所述交通量预测模型训练模块（052）用于建立多个基于深度学习的预测模型，并调用数据库信息读入模块（051）中的数据对建立的多个基于深度学习的预测模型进行不断训练，得到该区域路网交通量预测结果；所述预测结果存储模块（053）用于存储交通量预测模型训练模块（052）得到的区域路网交通量预测结果；

基于Synchro的仿真计算单元（060）包括存储模块（061）、主要交叉口筛选模块（062）以及交叉口信号配时优化模块（063），所述主要交叉口筛选模块（062）用于根据当前的温度、湿度、能见度以及特殊事件的有关信息，确定当前交通信号控制目标；所述交叉口信号配时优化模块（063）用于调用区域化路网模型建立单元（070）的区域化路网模型与主要交叉口筛选模块（062）的控制目标进行Synchro仿真计算，得到交通信号控制时长；所述存储模块（061）用于接收区域化路网模型建立单元（070）的路网模型文件，基于深度学习的交通量预测单元（050）预测的区域路网交通量预测结果，主要交叉口筛选模块（062）的控制目标数据以及交叉口信号配时优化模块（063）的计算结果。

2.根据权利要求1所述的一种基于深度学习的区域化交通信号控制系统，其特征在于，所述存储单元（020）包括单路口信号灯存储模块（021）与仿真计算控制结果存储模块（022）；所述的单路口信号灯存储模块（021）用于对天气采集模块（011）、交通流量图像采集模块（012）、行人流量图像采集模块（013）、时间采集模块（014）以及特殊事件采集模块（015）的所有信息进行存储和编号标记；所述仿真计算控制结果存储模块（022）用于将5G通信单元（030）下载的控制信息进行存储。

3.根据权利要求1所述的一种基于深度学习的区域化交通信号控制系统，其特征在于，所述5G通信单元（030）布置在单路口信号灯柱顶部；所述5G通信单元（030）包括数据上传模块（031）和数据下载模块（032），数据上传模块（031）与存储单元（020）相连，数据下载模块（032）与基于Synchro的仿真计算单元（060）相连，所述数据上传模块（031）用于数据上传；

所述数据下载模块（032）用于数据下载。

4.根据权利要求1所述的一种基于深度学习的区域化交通信号控制系统，其特征在于，所述云端数据处理及数据库单元（040），包括信息及图像处理模块（041）与数据库模块（042），所述信息及图像处理模块（041）用于将云端接收的汇总图像基于视频检测技术实现车辆识别和人脸识别处理，得到对应时间段的不同车辆类型的车流量数据，以及人行道等待区不同年龄阶段行人数量，并且通过对应的编号将各路口数据进行汇总，形成该区域路网数据；

所述数据库模块（042）用于接收信息及图像处理模块（041）得到的各类交通量数据、行人流量数据以及对应时刻的环境信息、特殊事件数据并存储。

5.根据权利要求1所述的一种基于深度学习的区域化交通信号控制系统，其特征在于，所述区域化路网模型建立单元（070）包括道路信息测量模块（071）与模型建立模块（072），所述道路信息测量模块（071）用于对控制区域路网进行倾斜摄影，采集图像数据，进行道路长度、车道数、车道宽度、进口道车道数变换位置以及进口道停车线位置测量；所述模型建立模块（072）用于将道路信息测量模块（071）采集到的图像数据、道路长度、车道数量、车道宽度、进口道车道数变换位置数据结合卫星地图图像信息建立平面与三维路网模型。

6.根据权利要求1所述的一种基于深度学习的区域化交通信号控制系统，其特征在于，所述控制单元（080）包括指令接收与处理模块（081）、信号灯自动控制模块（082）以及显示屏控制模块（083），所述指令接收与处理模块（081）用于接收信号灯自动控制模块（082）产生的信息，并将路网内所有交叉口信号灯控制信息与单路口信号灯编号对应匹配，所述信号灯自动控制模块（082）用于控制交通信号颜色、时长，所述显示屏控制模块（083）用于根据指令接收与处理模块（081）的信息实施交叉口信号灯控制信息同时显示交通量信息。

7.一种根据权利要求1所述的基于深度学习的区域化交通信号控制系统的控制方法，其特征在于，通过信息采集单元（010）对单路口进行信息采集，并将采集到的信息通过存储单元（020）进行存储，再通过5G通信单元（030）将采集到的信息上传到云端服务器中的云端数据处理及数据库单元（040），然后通过信息及图像处理模块（041）对信息进行处理并存储在数据库模块（042），再通过基于深度学习的交通量预测单元（050）的数据库信息读入模块（051）对已处理的信息数据进行读取并导入，交通量预测模型训练模块（052）进行预测，预测结果存储在预测结果存储模块（053），然后通过存储模块（061）读取预测交通量与区域化路网模型建立单元（070）所建立的区域化路网模型，再通过主要交叉口筛选模块（062）以及交叉口信号配时优化模块（063）进行控制目标优化与仿真计算，最终得到控制信息，并将控制信息存储在存储模块（061），此时再利用5G通信单元（030）下载控制信息，最终通过控制单元（080）进行控制信息接收与各路口红绿灯控制，实现对路网内交通信号的管理与控制。