随着世界各国城市化的发展与机动车数量的急剧增加,城市交通拥塞现象已经越来越普遍。交通拥塞严重的降低了行车速度和道路通行能力,更增大了交通延误和燃油消耗,造成了巨大的社会成本、经济成本、环境成本和人类健康成本的损失。因此,解决交通拥塞已经成为城市发展的当务之急。目前智能交通控制系统是一种缓解交通拥塞行之有效的手段。但是现有的控制系统如SCATS、SCOOT、RHODES等在非拥塞状态下的控制效果良好,但在拥塞状态下由于缺少有针对性的拥塞疏散控制策略导致拥塞疏散效果不佳。本文通过对这些典型系统的研究,发现现有的交通控制系统在拥塞疏散控制方面存在以下不足：一、没有对拥塞车流之间的影响关系进行深入分析,仅依靠某些数值指标判定其拥塞程度,而忽略了从车流对区域拥塞的影响程度角度实时全面的判定拥塞疏散的优先级；二、没有将计算出的拥塞疏散优先级信息用于制定拥塞疏散控制策略和控制参数的优化。本文首先通过拥塞车流等待关系模型对路网中的拥塞车流之间的影响关系进行了分析,并基于车流间的影响关系确定了拥塞疏散优先级影响因子,然后根据优先级影响因子提出一种拥塞车流疏散优先级判定方法,将拥塞影响因子作为输入,使用BP神经网络模型为区域内的拥塞车流判定疏散优先级。之后,将拥塞疏散优先级作为参数参与制定拥塞疏散控制策略,提出一种基于拥塞疏散优先级的信号控制方法,使用拥塞疏散优先级进行相位相序优化与绿灯时间计算。最后,本文以大连市典型的拥塞区域路网为例,应用本文的拥塞疏散控制方法进行交通拥塞疏散的信号控制,并在VISSIM仿真平台上验证了该方法的有效性。