城市智能交通系统中的一个重要组成部分就是城市交通控制系统，其主要任务是对城市道路上的交通流进行合理的引导和控制，因此在改善交通秩序、提高交通安全、减轻环境污染、提高通行能力、改善城市面貌等方面发挥着举足轻重的作用。科学合理的城市交通控制系统的建设离不开先进实用的城市交通控制理论与模型以及城市交通控制系统软件的研究开发，这也正是本论文研究的内容。 本论文应用近年来逐渐发展起来的智能控制、人工智能等理论技术对城市交通控制系统的理论与模型进行了研究，并在此基础上开发了相应的控制系统核心软件。本论文主要进行了以下几方面的工作。 首先研究了部分与交通信号控制相关的交通流参数及模型，通过对现场调查数据的统计分析，对信号控制中所应用的中型客车、摩托车的折算系数进行了修正，提出了预测路口交通流转向比的神经网络模型并进行了实地验证。 在控制模型的研究中，综合考虑城市交通流状况，提出了信号控制中“交通需求强度”的概念和计算方法以及基于此的单点信号多层模糊控制模型，并在模型中引入基本相序不变的相序优化模糊控制器；研究了利用遗传算法来进行模糊控制隶属度函数优化的方法并将公交优先控制引入多层模糊控制模型。研究了交叉口之间是否进行协调控制的判断方法，从理论上回答了具备怎样特征的交叉口之间适于进行协调控制的问题。提出了干线协调控制的模糊控制模型，讨论了在信号控制中面临的多目标优化的问题，提出了利用遗传算法处理信号控制多目标优化的方法。并对以上各个模型与方法进行了仿真研究。 提出了基于Agent技术的集散递阶城市智能交通控制系统的系统结构，研究了战术Agent的结构及其行为学习的基本思路和模型，给出了单个信号控制Agent的强化学习模型以及多信号控制Agent的协调强化学习模型。在理论研究的基础上，研究了城市交通控制系统的发展趋势及集成化交通控制系统的系统结构，进行了交通控制系统核心软件的研究与开发，并简单介绍了了系统软件的创新点和特点及软件的初步应用情况。