随着汽车保有量的不断增长和机动化程度的不断提高,城市交通拥堵问题越来越突出。经验表明不断通过改善基础设施(如:修建/扩建道路)来提高路网通行能力,从而缓解交通供需之间不平衡矛盾的手段已无法适用于当前交通系统的现状需求。近年来,随着智能交通技术,尤其是移动互联技术、车联网/自动驾驶技术的不断发展,如何有效地利用智能网联车信息进行精准地交通估计、控制与优化,进而提高交通系统的运行效率与可靠性,是当前智能交通领域研究的热点和难点问题。从传统人工驾驶交通系统过渡到纯自动车交通系统需要经历较长的一段时间。因此,本文针对人工驾驶与自动车混行的交通流环境,开展自动车轨迹优化以及交叉口交通信号控制相关问题的研究。首先,本文运用python和C++语言对VISSIM仿真平台进行了二次开发,构建了车辆轨迹和动态信号协同控制的仿真环境。其次,针对自动车和人工驾驶混行的道路环境,提出了一种多标记-识别的自动车轨迹优化模型;并结合交叉口信号分配优化算法,进一步构建了双层优化模型同时求解动态信号配时优化方案和相应的实时优化轨迹方案。最后,利用VISSIM仿真软件搭建仿真实验场景,对不同自动车渗透率和不同交通状态下(如:不同饱和度)的控制优化效果进行对比分析和评价。仿真结果表明:在高饱和度情况下(<0.9),当自动车渗透率达到30%时,优化效果效果明显,交叉口平均延误和通行时间分别减少了20.95%和13.91%。在过饱和情况下(>1.0),自动车渗透率达到10%时,优化效果已具有显著的优化效果,交叉口延误和通行时间分别减少达13.78%和10.77%。