伴随着国民经济的飞速发展、城市规模的不断扩张和人口数量的持续增加,交通拥堵成为一个亟待解决的焦点问题。交通信号灯控制优化是改善交通流的一种主要方式,成为近年来交通运输领域的一个研究热点。同时,强化学习可以通过观察交通流而智能地控制交通信号灯相位,在交通信号灯控制问题上受到了研究人员的广泛关注。目前多数交通信号灯控制算法的实验主要通过交通模拟器SUMO（Simulation of Urban Mobility,SUMO）进行,主要存在两方面的问题:在应用层面,SUMO中的二维平面交通场景与现实生活中的真实场景相距甚远,在实验中相关的交通流信息通过SUMO提供的外部接口获取,与现实场景中获取交通流信息的方式差异较大,现有的交通信号灯控制研究距离应用落地有一定差距。在算法层面,交通流的完整信息难以获取且在不同交通场景下算法的性能会有差异。针对以上问题,本文提出了基于视觉信息映射的交通信号灯控制算法。针对第一个问题,本文搭建了一个基于视觉信息映射的交通信号灯控制系统平台。借助游戏引擎Unity,通过设计交通模拟器与Unity三维立体环境的信息流映射,把交通模拟器中交通路网、车辆、交通信号灯等元素实时映射到一个三维立体场景中,同时类比现实场景,交通信号灯控制系统平台在每架交通信号灯上方也会设置监控摄像头,然后通过对监控摄像头编写脚本向外部提供视频流信息,最大程度地还原真实交通系统,为交通信号灯控制问题提供了一个更加贴近真实场景的实验平台。针对第二个问题,本文以深度Q网络为基础,设计了一个基于视觉信息映射的交通信号灯控制算法,仅以模拟真实场景的图像作为输入,通过提取图像中的视觉信息进而控制交通信号灯相位达到优化交通流的目的。在此基础上,通过设计相位门控机制和多回放记忆单元,提高本文交通信号灯控制算法在不同交通场景下的性能。为了验证本文提出算法的有效性,本文与当下主流的八种交通信号灯控制方法进行了对比,实验结果表明本文的方法在贴近真实场景的情况下,取得了较高的交通信号灯控制效果。同时,本文通过设计消融实验验证了相位门控机制和多回放记忆单元的有效性。本文搭建了基于视觉信息映射的交通信号灯控制系统平台和设计了基于视觉信息映射的交通信号灯控制算法,在更加贴近真实场景的基础上对交通信号灯控制问题进行了研究,有利于交通信号灯控制算法的落地应用。