城市道路的平面交叉口作为城市路网的节点,它的通行效率直接影响着整个城市路网的通行效率,而平面交叉口的信号配时方案对其通行效率起到决定性作用,是城市交通信号控制的核心部分。本文以平面交叉口的短时交通流预测数据为基础,对平面交叉口的信号配时优化进行研究。本文按控制方式和控制范围的不同分别阐述了交通信号控制的类别,对交通信号控制的评价指标进行了分析和选取,并将研究工作划分为平面交叉口短时交通流预测方法研究和平面交叉口配时优化研究两个部分。对于预测部分,本文在分析平面交叉口交通流量特性的基础上,将数据格式规划为平面交叉口十二种交通流向的5min交通流量数据,选择LSTM(Long Short-Term Memory,LSTM)神经网络作为短时交通流量数据的预测算法,建立了PCA-LSTM预测模型,并验证了该模型的有效性;对于配时部分,本文通过对配时优化研究场景和多目标配时优化原理的分析总结,对多目标粒子群算法(Multi-Objective Particle Swarm Optimization,MOPSO)进行了改进,选择了平面交叉口通行能力、车辆平均延误和车辆平均停车次数作为优化目标,并考虑预测数据与真实数据间存在偏差的问题,设计了MNMX-MOPSO配时算法。最终结合预测部分和配时部分的研究成果,构建了基于交通流预测的多目标配时优化模型。在仿真验证中,以合肥市黄山路-科学大道平面交叉口为例,使用VISSIM交通仿真软件构建了仿真模型,使用Webster法与本文提出的MNMX-MOPSO配时算法分别在高峰期和平峰期进行比较,结果表明MNMX-MOPSO配时算法在高峰期时具有更好的性能,在平峰期时与Webster法的性能相近且相对更加稳定,验证了本文提出的多目标配时优化模型的有效性。