1.一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，包括以下步骤：

获取实时交通数据，通过5G网络传输至边缘计算节点，所述实时交通数据包括交通流数据、车辆运行数据、环境数据、事件报告数据；

对所述实时交通数据进行预处理，并将数据上传到云端；

构建动态图神经网络对全局交通进行分析，通过节点聚类识别拥堵子图，输出拥堵概率，根据所述拥堵概率判断交通是否拥堵，若拥堵，则对拥堵区域内车辆的驾驶行为进行评分，并对拥堵区域进行分析识别拥堵类型，根据所述拥堵类型和所述驾驶行为评分生成差异化调控策略，通过5G网络将所述差异化调控策略下发至各执行设备，通过执行所述差异化调控策略引导车辆驶出拥堵路段。

2.根据权利要求1所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述构建动态图神经网络对全局交通进行分析，通过节点聚类识别拥堵子图，输出拥堵概率，包括：构建交通路网图，将每个道路交叉口和道路路段作为所述交通路网图的节点，节点之间用边连接，所述边的权重为实时通行时间，所述节点的属性包括交通流量、平均速度、占有率；对所述交通路网图进行动态更新，定义时间滑动窗口，窗口时长T设置为10秒钟，每经过一个时间窗口更新节点状态和边属性；

采用动态谱聚类算法识别所述交通路网图中的交通异常区域，获得拥堵子图，根据所述拥堵子图的节点占比、车速下降幅度和交通流量分布熵值，对拥堵概率进行量化，输出拥堵概率。

3.根据权利要求2所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述采用动态谱聚类算法识别交通路网图中的交通异常区域，获得拥堵子图，具体步骤如下：根据更新后的交通路网图计算拉普拉斯矩阵L=D-W，其中，D是对角矩阵，W是所述交通路网图的边的权重矩阵；

对所述拉普拉斯矩阵L进行特征分解，得到特征值和特征向量；

取前k个最小的特征向量组成特征矩阵，对所述特征矩阵的行向量使用K-means聚类算法对节点进行聚类，将节点分为畅通、一般、拥堵；

合并相邻的拥堵节点形成拥堵子图。

4.根据权利要求1所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，对拥堵区域内车辆的驾驶行为进行评分，具体步骤如下：从车辆运行数据中获取车辆的驾驶行为数据，所述驾驶行为数据包括车辆速度、加速度、转向角度、刹车频率、油门踏板深度，将所述驾驶行为数据按照时间序列整理成固定长度的序列样本，并对数据进行标准化处理；

将标准化后的驾驶行为数据输入至CNN网络中，分别经过卷积层、归一化层、激活层和池化层，提取数据的空间特征；

将所述空间特征调整维度后输入到LSTM网络中，通过记忆单元和门控机制捕捉驾驶行为随时间的变化趋势和长期依赖关系，得到综合特征表示；

将所述综合特征表示输入到全连接层，经过激活函数输出标量值，经归一化处理将所述标量值映射到0-100的区间，得到驾驶行为评分；

若所述驾驶行为评分高于目标风险阈值，则将对应驾驶行为标记为高风险。

5.根据权利要求1所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述对拥堵区域进行分析识别拥堵类型，包括：将综合交通数据输入至MTL模型中输出每种拥堵类型发生的概率，其中，所述拥堵类型包括：交通事故、道路维修、信号故障、驾驶行为诱发、常态过饱和；

从所述每种拥堵类型发生的概率中获取大于目标阈值的概率，将所述概率对应的拥堵类型作为当前路段的拥堵类型，可以是单一类型，也可以是复合类型。

6.根据权利要求5所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述MTL模型包括：输入层、隐藏层、输出层，其中，所述输入层接收预处理好的综合交通数据；所述隐藏层由共享特征提取层和任务特定层组成，其中，所述共享特征提取层用于提取多源数据的通用特征，所述任务特定层设计双任务进行学习，其中，双任务包括主任务和辅助任务，所述主任务为对拥堵类型分类，所述辅助任务为评估拥堵严重程度；所述输出层包含多个输出头，每个输出头对应一种拥堵类型，输出每种拥堵类型发生的概率。

7.根据权利要求1所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述根据所述拥堵类型和所述驾驶行为评分生成差异化调控策略，包括：将所述拥堵类型转化为One-hot编码，从所述驾驶行为评分中获取驾驶行为特征，所述驾驶行为特征包括高风险车辆比例、平均评分，从交通流数据中获取交通特征，所述交通特征包括交通流量、平均车速、占有率，将数据进行拼接获得多维向量；

将所述多维向量输入至训练好的PPO模型中，所述PPO模型的策略网络输出动作策略值和概率分布，根据所述动作策略值和概率分布获取目标调控策略，所述PPO模型的动作空间为信号灯周期时间、车辆限速速度、路径诱导强度、高风险车辆管控力度；

将所述目标调控策略映射到实际调控参数中。

8.根据权利要求7所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述PPO模型包括：策略网络和价值网络，其中，所述策略网络采用多层感知机构建，输出动作空间的策略值或概率分布，所述价值网络采用多层感知机构建，输出当前交通状态的价值估计；为所述策略网络设计奖励函数鼓励生成有效缓解拥堵的策略，所述奖励函数包括拥堵缓解奖励、驾驶行为改善奖励。

9.根据权利要求5所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述综合交通数据由实时交通数据和分析得到的数据组成，包括：驾驶行为评分数据、交通流数据、事件报告数据、环境数据，其中，所述驾驶行为评分数据包括高风险车辆比例、平均评分，所述交通流数据包括交通流量、平均车速、占有率，所述事件报告数据包括事故报警、施工计划、信号灯状态，所述环境数据包括天气状况、能见度、降水强度；对所述综合交通数据进行预处理，将所述预处理后的数据进行拼接，生成特征向量，其中，所述预处理包括对数值型特征进行归一化，对需要分类的特征进行独热编码。

10.根据权利要求1所述的一种基于5G云计算终端技术的智慧交通调控方法，其特征在于，所述边缘计算节点包括：边缘计算节点在路测单元部署，负责数据预处理与特征提取，降低云端计算压力。