随着城市化进程的不断加快,机动车保有量迅猛增长,交通拥堵问题日趋严重,传统的单个交叉口信号控制方式或干线信号协调控制方式很难及时缓解交通拥堵,学者们开始转向区域信号协调控制领域展开研究。由于城市交叉口群是区域交通信号协调控制领域的一个热点研究方向,论文以城市交叉口群为研究对象,首先依据交通关联特性在中大型城市路网内划分得到多个交叉口群,接着识别出每一个交叉口群内包含不同数目交叉口的关键路径,为后续针对关键路径上的交叉口进行信号协调控制奠定基础,从而有效缓解区域交通拥堵。针对现有交叉口群范围划分方法仅能对单个交叉口群进行划分且难以适应中大型城市路网复杂交通关联特性的不足,论文提出了一种考虑交通关联特性的城市多交叉口群范围划分方法。首先利用谱聚类算法和高斯消主元慢同调分群算法完成初始聚类过程,接着利用离散数学Warshall算法识别出每一个类别的最大连通分量,并借助交通负荷度指标识别出每一个类别的关键交叉口,最后依据平均切割关联度变化曲线确定交叉口群的范围。利用上述方法对义乌市主城区局部路网划分得到两个符合要求的交叉口群,分别针对每一个交叉口群进行信号协调控制,通过统计各个交叉口的平均停车次数、平均停车延误、平均排队长度等指标值的变化验证了该多交叉口群范围划分方法的有效性。针对现有交叉口群关键路径识别方法中关键路径内包含交叉口数目较少且易陷入局部关键路径的不足,论文提出了一种基于改进蚁群算法的交叉口群关键路径识别方法。首先考虑畅通和拥堵两种道路运行状态建立路径关联度模型,接着在传统蚁群算法的状态转移概率准则中引入邻接矩阵的概念并将路径关联度值作为启发函数因子,在信息素更新机制中添加蚂蚁排序策略、自然对数加权和精英蚂蚁策略,从而实现交叉口群关键路径的准确识别。针对义乌市主城区局部路网划分得到的两个交叉口群进行案例分析,从识别路径总数和路径关联度值两方面对比广度优先搜索算法和改进蚁群算法的关键路径识别结果验证了该关键路径识别方法的有效性。