1.一种基于大数据的智慧城市交通管理方法，其特征在于：包括如下步骤：步骤1、根据城市规划局提供的全市道路信息创建城市道路虚拟平台；

在本步骤中，将全市道路基本信息通过虚拟现实系统在云平台构建，用于反映实时道路状况；所述虚拟现实系统包含效果产生器和实景仿真器；

所述效果产生器通过计算机接口与实景仿真器连接；所述效果产生器用于输出智慧城市交通管理数据信息的效果，所述实景仿真器用于仿真智慧城市交通实景状况；其中所述实景仿真器由应用系统和几何构造系统组成；

所述几何构造系统和应用系统连接；

所述应用系统用于在应用智慧城市交通管理过程中产生实景数据信息，几何构造系统用于定义、描述、生成几何模型，能够通过交互编辑处理、将物体的形状及其各种属性存储在计算机内，以形成智慧城市交通管理的几何模型，实景仿真器包括自适应控制模块、目标模拟仿真器、三维模型生成模型、实景调整模块和与目标模拟仿真器连接的信号模拟仿真器；

步骤2、提取监控系统的视频信息和音频信息构建全市车辆基本模型；

步骤3、将全市车辆在道路行驶的实时状况在虚拟道路平台显示；

步骤4、采用ERNIE‑ViLG模型根据交通管理法创建车辆规范行驶模型；所述ERNIE‑ViLG模型使用编码器‑解码器参数共享的转换器作为自回归生成的主干网络，同时学习文本生成图像、图像生成文本两个任务；

基于图像向量量化技术，所述ERNIE‑ViLG模型把图像表示成离散的序列，从而将文本和图像进行统一的序列自回归生成建模；

在文本生成图像时,所述ERNIE‑ViLG模型的输入是文本令牌序列，输出是图像令牌序列；图像生成文本时则根据输入的图像序列预测文本内容；两个方向的生成任务使用同一个转换器模型，视觉和语言两个模态在相同模型参数下进行相同模式的生成，用于增强模型建立跨模态语义对齐；

基于图像离散表示的文本生成图像模型主要采用两阶段训练，文本生成视觉序列和根据视觉序列重建图像两个阶段独立训练，所述ERNIE‑ViLG模型采用端到端的训练方法，将序列生成过程中转换器模型输出的隐层图像表示连接到重建模型中进行图像还原；对于生成模型同时接收自身的抽象监督信号和来自重建模型的原始监督信号；

步骤5、根据获取车辆实时行驶模型与规范模型的匹配度与设定阈值进行比较来判定车辆违规情况；

步骤6、根据车载导航系统以及车辆的行驶情况预测未来车流情况；

其中，所述ERNIE‑ViLG模型包括信息识别模块、图像处理器、模式转换模块、学习器和重构模块，其中，所述信息识别模块的输出端与图像处理器的输入端连接，图像处理器的输出端与模式转换模块的输入端连接，所述模式转换模块的输出端与学习器的输入端连接，所述学习器的输出端与重构模块的输入端连接，其中所述信息识别模块用于将智慧城市交通管理数据信息转换为被ERNIE‑ViLG模型识别的数据信息；

图像处理器用于将智慧城市交通管理数据信息进行图像转换或者处理；

模式转换模块用于将智慧城市交通管理数据信息转换为ERNIE‑ViLG模型识别的数据格式，学习器用于将智慧城市交通管理数据信息通过训练，以提高学习能力，重构模块用于根据学习规则对输入的智慧城市交通管理数据信息重新组合，以提高不同状态下的智慧城市交通管理能力。

2.根据权利要求1所述的一种基于大数据的智慧城市交通管理方法，其特征在于：应用系统包括城市交通元素数据库、操作工具数据库和交通元素更换数据库；几何构造系统包括点元素、边元素、环元素、面元素或者体元素。

3.根据权利要求2所述的一种基于大数据的智慧城市交通管理方法，其特征在于：所述转换器模型是一种基于seq2seq结构的序列生成神经网络，转换器模型包括编码器、解码器和多种注意力机制，其中：所述编码器由6个相同的层堆栈组成，多头注意力两个子层的每一层均采用剩余连接，并且在这两个子层之间应用了层规范化，每个子层的输出是：x+Sublayer(LayerNorm(x))(1)

其中Sublayer(x)是子层本身的函数，x为输入信息；

所述解码器由6个相同的层堆栈组成，多头注意力每个子层遵循与编码器中相同的方式；

所述多种注意力机制包含缩放点积注意力机制和多头注意力机制，其中缩放点积注意力机制遵循下列方式计算：其中Q、K、V分别是查询、键和值，dk是键的维度，T代表转置；Attentio(n Q,K),表示注意力机制函数，多头注意力机制遵循下列计算方式：

O

MultiHead(Q,K,V)＝Concat(head1,.....,headh)W            (3)Q K V

headi＝Attention(QWi ,KWi ,VWi)                    (4)其中Q、K、V分别是查询、键和值，i代表维度；

位置信息由下列方式计算：

p代表时间，i代表维度，dk是键的维度。

4.根据权利要求1所述的一种基于大数据的智慧城市交通管理方法，其特征在于：根据获取车辆实时行驶模型与规范模型的匹配度与设定阈值判定车辆违规情况，所述匹配度大于设定阈值时，判定车辆未违规不予处罚，所述匹配度小于设定的阈值时，依法对违规车辆虚拟模型进行处罚，车辆导航系统将违规行为通过语音播报进行提示。

5.根据权利要求1所述的一种基于大数据的智慧城市交通管理方法，其特征在于：根据车载导航系统以及车辆的行驶情况预测未来车流情况，包括根据车辆行驶状况将未来一段时间内的车流预测情况在虚拟平台展示，将车辆进行统一调度分流，防止道路拥堵。

6.根据权利要求1所述的一种基于大数据的智慧城市交通管理方法，其特征在于：自适应控制模块包括FPGA模块和与所述FPGA单元连接的搜索模块、匹配模块和调整模块，其中所述搜索模块用于搜索智慧城市交通管理信息，所述匹配模块用于匹配智慧城市交通管理信息，所述调整模块用于调整当前出现的智慧城市交通管理数据信息。