城市路网区域交叉口的信号协调控制对提高城市路网整体通行效率,缓解城市发展中的交通拥堵问题具有重要的研究意义。然而在实际的路网区域中,受路网结构、车流离散、交叉口属性差异及及信号相位等多种因素的影响,只“笼统”、“一刀切式”的实施信号协调控制策略显然不符合实际的交通需求,况且确实存在部分交叉口只需采取单点控制方案即可。因此,为了更加有针对性的对城市交通路网实施有效的、精细化的协调控制策略,需要对整个路网区域进行合理的子区划分。鉴于此,需要综合考虑诸多交通因素的影响,快速精准的识别出区域路段的交通状态模式,计算出交叉口的关联度,依据关联度对控制子区进行划分,同时根据道路网的交通状态模式对划分后的子区进行动态调整,最终实现路网内交叉口的信号协调控制。本文开展的主要研究工作如下:首先利用Python的Numpy、Pandas及Matplotlib等工具在Linux服务器平台上对固定检测器采集到的海量断面交通流数据进行处理、统计与分析,获取交通流运行与分布的特征规律,为下文理论研究及模型验证提供数据基础。其次针对传统FCM在交通状态模式识别中存在的随机选取初始聚类中心、识别误判率高及收敛速度慢的问题,提出了基于K邻近距离图的CFSFDP-FCM交通状态模式聚类与识别算法。结果表明:所提算法是行之有效的,且相对于单一的FCM算法识别误判率降低了5.2%、算法效率提高了23.7%,同时具有更好的稳定性。再次从路网区域交叉口的协调控制角度出发,提出了基于改进FN算法的控制子区动态划分方法。该方法相比于仅以路网区域交叉口之间邻接矩阵为划分依据的FN算法,引入了相邻交叉口之间的关联度,在考虑路段流量、交通状态模式、车流离散及交叉口信号周期、间距等影响因素的基础上,采用极值无量纲化处理法,构建了动态子区划分的的综合关联度模型,定量的确定了路网子区划分中交叉口之间的边权,并重新定义了FN算法中模块度,从而使得控制子区划分更加合理、细致和准确。最后根据实地调查的路网区域交通数据,利用Vissim软件仿真验证各子区划分方法对应的交叉口协调控制配时方案。结果表明:使用本文提出的子区划分方法,路网路段行程时间、交叉口的平均延误和车均停车次数总评价指标均有一定幅度的减少,同时划分出的路网控制子区域也更加合理、准确,且划分的效率更高,效果更好。