Tình trạng giao thông ở Việt Nam phức tạp và thường xuyên xảy ra ùn tắc giao thông, đặc biệt là ở những nơi dân cư tập trung đông đúc và những giờ cao điểm. Hầu hết các giải pháp tự động hóa việc giám sát giao thông được đề xuất đều dựa trên phát hiện phương tiện, các phương pháp này hoạt động không tốt trong điều kiện đường rất đông cũng như tốc độ dự đoán chậm và khó có thể triển khai hoạt động thời gian thực. Để tiếp cận và giải quyết vấn đề trên, trong bài báo này, mô hình RepVGG được đề xuất để phân loại và phát hiện tình trạng ùn tắc giao thông. Dữ liệu thực nghiệm được lấy trước cổng Bệnh viện Kiên Giang và Bệnh viện Đà Nẵng gồm 3903 ảnh để huấn luyện và kiểm tra đánh giá mô hình. Dựa trên kết quả thử nghiệm, việc thêm số lượng tầng và tham số đầu ra cho mỗi tầng cho phép mạng cải thiện độ chính xác phân loại với chỉ số F1 94,5 %, thời gian thực thi sẽ giảm đi hơn 4 đến 5 lần (10,61 ms) so với các mạng tích chập hiện có.