城市交通系统与城市发展息息相关，对人类文明演化起到不可替代的支撑作用。但近年来，随着大量人口向城市集中和城镇化进程不断加速，交通压力越来越大。而旧有的城市交通改善方法如道路扩容、新加道路等，因成本越来越高无法跟上城市发展的步伐，无法满足城市居民出行需要，造成日益严重的城市拥堵问题。因此，各国政府开始注重提高现有交通设施使用效率，尽力减缓不断增长的出行需求与有限道路资源之间的矛盾。近年来日益成熟的智能交通系统（Intelligent Transportation Systems，ITS）将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成并运用于整个交通运输管理体系，从而建立起一种在大范围内、全方位发挥作用的，实时、准确、高效的综合的运输和管理系统，得到各国重视。面对复杂多变的城市交通环境，城市交通控制管理系统作为ITS的重要组成部分，正试图通过提升对环境的感知能力和反应能力来提高交通运输效率，缓解交通阻塞，减少交通事故，降低能源消耗和减轻环境污染。为此，大量新兴科技成果被应用于城市交通控制系统，以满足不断增长的交通出行需求。　　 伴随物联网时代的到来，城市交通控制系统通过网络互联可实现分布于不同时空位置的物理设备之间的数据资源与计算资源共享，提升控制系统对环境的感知能力与反应能力，完成从单点路口控制到路网协作控制的飞跃。同时，作为人工智能最新的一项发展成果，代理技术自产生以来，已在金融、工业、交通、医疗、娱乐领域得到广泛应用。多代理系统作为分布式人工智能的重要分支之一，长于利用其子系统的高度自治能力来满足分布式系统的动态需求变化。城市交通系统作为一个动态的复杂巨系统，其地理上的分布性和功能上的多样性，促使基于代理城市交通管理系统成为优化城市交通管理的有力手段和研究热点，旨在满足动态复杂系统中生成的多变的控制需求。　　 本论文主要从平行控制理论与代理控制理论出发，结合互联网领域的云计算技术、推荐技术，人工智能领域的自组织模糊神经网络技术，复杂网络领域的社团发掘技术，研究基于代理的网络化交通管理系统实现“按需控制”所面对的问题。具体来讲，研究工作主要有如下几个方面:　　 ①基于云计算的MapReduee架构，面向海量交通数据挖掘的交通流预测问题的研究。海量数据处理是网络化系统需要面对的一个问题。将云计算技术与交通流预测技术结合，提出基于MapReduce架构的分布式交通流预测流程，解决模型融合与数据切分问题，为快速预知城市交通路网的交通道路通行需求变化提供支持。　　 ②基于混合推荐技术，动态交通场景与交通控制策略匹配问题的研究。控制代理与目标交通环境的匹配是基于代理控制系统所需解决的关键问题。为明晰各种交通控制代理的特点，将BDI代理模型扩展到交通控制代理建模上。同时，本论文结合混合推荐技术提出交通控制代理推荐系统，为基于特定交通环境下满足特定需求的控制代理选择提供支持。　　 ③基于网络社区发现技术，交通控制子区域动态划分问题的研究。基于网络互联，分布式控制系统通过信息共享与协作控制带来控制效果的提升。考虑交通路网中道路分级特点及协调器负载大小，本论文提出了协调子区的划分三原则。在此基础上，本论文提出一种基于社团发掘技术的路网分区算法，实现动态交通网络的协调子区分区，为控制代理群协作范围决策提供支持。　　 ④基于一阶全局敏感性分析技术，模糊神经网络学习加速问题的研究。模糊神经网络是一种广泛使用的智能控制算法，本论文发现其输出层满足可加模型特点，提出利用一阶全局灵敏度分析替代全阶全局灵敏度分析来完成隐层节点选择，加速自组织结构学习，在此基础上提出一套自学习机制为提供能满足交通路口控制所需的控制代理提供支持。　　 ⑤代理的网络化交通控制系统平台实现技术和平台鲁棒性问题的研究。最后对基于代理的网络化城市交通控制系统的软硬件平台展开研究，给出了平台具体实现细节和测试结果，并包含了提升系统运行鲁棒性的措施。　　 本文的研究为城市交通控制系统应对动态城市交通系统需求变化提供了一种新的思路和方法。通过将“按需控制”分为需求感知和需求满足两个阶段，从理论研究和实现技术两个方面分别予以解决，为基于代理的网络化交通控制系统领域研究提供了合理的理论基础和可信的实施手段。