近年来,我国机动车保有量迅猛增加,造成了城市交通拥堵问题日益严重。仅依赖扩大城市交通基础设施建设无法解决交通拥堵的难题。智能交通控制是现代交通的发展方向。交通控制系统中的难点除了控制模型和方法外,就是对于实时交通信息的获取。本文对交通数据难以获取和在没有明确交叉口相关性模型条件下区域协调控制展开研究。首先,针对交通数据难以获取的问题,本文研究了根据路段速度推算流量的方法。浮动车数据(FCD: floating car data)技术使得城市道路车辆平均速度的获取成为可能。根据FCD的特性,本文提出了基于局部路径搜索的地图匹配算法,以最大可能距离作为启发信息显著降低了路网搜索范围。该方法综合已匹配的前点信息,以待匹配GPS点为中心生成矩形可信区域,以确定候选匹配路径。进一步结合方向和点到路段距离实现地图匹配。实验证明该方法有效地提高了匹配率和匹配精度。其次,对经典的速度-流量关系模型进行分析,对比各种关系模型分别适用的场景,选择了速度-流量对数关系模型来对速度和流量数据进行换算。在此基础上,本文对交叉口之间的相关性进行探讨和研究,引入了强化学习,提出了基于强化学习的无模型区域协调控制算法。最后采用微观交通仿真软件对算法进行仿真实验,结果表明结合强化学习的控制算法对于改善区域协调控制具有较好的效果。