全球自然和人为灾害频发，表现类型多样，疏散任务各异。大型活动突发事件多数属于人为灾害，管理者的任务是如何通过现有交通基础设施将疏散流快速撤离出危险路网区域，同时缓解交叉口潜在的过饱和现象以保证疏散流的安全有序撤离。本文为了应对大型活动突生疏散需求，充分利用信号灯、信息牌等路网可变设施而建立疏散交通流主动控制概念，即分别从需求、信号和信息三个层面进行预案规划，达到同时降低总疏散时间和缓解交叉口潜在过饱和的目标，促使未来疏散路网呈现均匀的流量分布效果以提高疏散效率。　　通过对交通流主动控制相关文献的回顾与分析，回答:(a)交通需求、信号与信息控制的决策变量形式;(b)对应的各类复杂非线性规划模型求解算法;(c)所有算法的核心模块及其实现过程。主动交通控制的核心是交通流预测和过饱和提前缓解机制的设置。针对应急疏散环境，流量外推法难以实施，常采用交通流离散加载方法攻克前个核心;因此它也成为问题(c)对应的答案，成为综述和分析的重点。基于输出量函数、路阻函数和点排队的解析法能够快速准确求解非饱和状态的动态交通分配(DTA)问题，但是不能建立时变路径需求与路段占有量的关联信息，难以应用基于路径的分配算法。将它们扩展到饱和流环境时会因为没有遵守路段最大占有量限制、交通波传播特征而致使结果失真。基于物理排队和元胞传输模型(CTM)的模拟法基本能避免这些缺陷，缺点是会加长运算时间。在应急疏散环境下进行过饱和缓解操作时，如何在保留交通流基本特性的同时提取极端交通状态指标是交通流离散加载方法需改进的一个方向。　　在城市大型活动应急疏散中，应该避免发生诸如交叉口进口道的过长排队、路段上游的溢流等过饱和现象，因为这些局部路段层面交通拥堵具有引发交通事故的风险以至于阻碍交通疏散。为了从管理者角度规划出可靠的路径及其对应需求离开时间，建立了基于过饱和提前缓解要求的时变疏散路径需求规划(LCM-DERP)模型。它是在不改变现状交通信号控制方案的基础上，以快速撤离和提前缓解过饱和双重要求为目标，同步优化大型活动附近停车场分时段放行的疏散需求量及其选择的路径。与传统DERP模型（即含时变疏散需求变量的系统最优DTA模型）的区别主要体现在目标的组成上，它包含了过饱和惩罚项。在模型和算法的实现过程中，首先阐述LCM-DERP模型构建思路是如何体现主动控制的机制;再构建能提取过饱和指标的增强型CTM模型用来仿真流量;其次建立流量守恒约束、路径成本计算约束、含过饱和惩罚项的系统成本目标，并结合以上流量仿真约束构建LCM-DERP模型;然后，基于局部路径边际成本(PMC)的下降方向采用逐步平均步长法(MSA)近似求解，期间，通过重点阐述相邻元胞出发的PMC之间的关系来推动最小PMC的求解;最后，使用南京奥体中心路网疏散案例检验模型和算法的有效性。　　对于时变疏散需求优化后路网时空拥堵判别指标仍超出特定阈值的情况，采取疏散交通需求与信号同步控制的方法进一步提升系统性能。首先介绍疏散路网时空拥堵判别指标及其阈值线的设置方法，它是通过总结出疏散路网时空拥堵判别指标（时空平均车速和时空超量排队长度）并结合状态空间判别法来实现的，能够立足于疏散路网全局评价服务水平。再针对相序可变与否两种情况分别建立时变疏散需求与信号同步优化的非线性模型。其中，可变相序条件下使用圈界图的配时协议进行信号优化约束设置。接着，使用遗传算法(GA)嵌套多路径交通分配启发式算法的两阶段方法求解时变需求和信号参数。然后，采取疏散干道控制案例，不仅说明了编码、目标以及求解方法的有效性，而且阐明了大规模需求或者鲁棒最优场景下的单套信号方案不具有普适性，间接证明了面向路网时空拥堵阈值不满足要求的情形下借助时变疏散需求与信号同步控制的思路具有可行性。最后，对南京奥体中心路网交通疏散方案的时变需求和信号参数进行优化。　　以上两种控制方法只能够提供时变疏散需求和信号输入，却不能拟定撤离者真实路径选择行为。有必要通过研究交通信息对疏散中择路行为的影响，主动制定交通信息以影响未来路径选择人数，用于引导实际疏散路网交通流量走向，对未来路网流量进行削峰填谷。首先是疏散交通信息的选取问题。通过挖掘人们最关心的信号数据以产生易于理解的显示内容，即概率路径延误;结合出行时间预测值，获取最小路径成本;将两者进行集成并简化以表征动态概率路径成本(DPRC)并服务于信息发布。其次，基于DPRC信息构建嵌套前景值的C-logit模型，描述撤离者的随机/风险偏向性疏散路径选择(RSER)策略，并通过案例证实RSER策略的低替代性。其中，结合调查问卷确定了撤离者的风险性择路行为函数，指出:(a)随着延误值的增加，撤离者对路径延误的敏感程度逐渐降低，风险倾向性逐渐增强;(b)撤离者容易低估高概率延误和高估低概率延误，说明信息的可靠性程度影响撤离者的风险偏向性行为特性。然后，基于不确定性扰动影响而构建主动交通信息控制(PTIC)模型，并使用差分均衡分解优化(D-EDO)算法求解。该模型考虑了撤离者RSER策略的反馈作用机制。最后，仍采用南京奥体中心路网交通疏散案例，分析了算法的有效性、主动交通信息的优越性、信息更新频率的影响性。