城市路网中的交通拥堵已经成为世界各大城市亟待解决的严重问题。从长远的角度来看,在现有交通设施的基础上,对路网中的信号灯进行协调控制,是减轻交通拥堵的有效措施。采用宏观建模方式,对路网中的交通流动态过程进行建模,可以得到包含约束的信号灯控制问题。如果将相应的优化问题嵌入到滚动时域框架内,就可以对信号灯进行实时优化控制。但是,城市交通路网是一个包含大量交叉口和路段的大规模复杂系统。在实际应用中,采用单一控制器对这种大规模系统进行集中控制通常是不可行的。因此,为了解决集中控制中存在的问题,例如计算复杂度、多控制目标和不确定因素带来的弱鲁棒性等,对大规模城市交通路网有必要采用分布式或多层递阶结构进行网络化控制,以合理诱导交通流并改善路网的通行能力。本论文的主要工作和研究成果如下:1.研究了大规模城市交通路网的子区划分方法。为了采用分布式或多层递阶结构对大规模城市交通路网进行控制,需要探讨网络划分方法,使其能够快速准确地提取子路网。在综合考虑路段的物理特性和动态交通信息的基础上,提出了一种反映相邻路口间关联性强弱的关联度的概念,将其作为城市交通路网中路段的权值,据此将路网转化为无向网络,提出一种基于模块度优化的快速网络分区算法。此外,考虑到宏观基本图理论的要求,提出了反映两相邻路段交通状态差异的相似度概念及计算方法,从而给出一种将一个异质路网划分为若干个匀质子路网的分区方法。2.研究了大规模城市交通路网的分布式预测控制方法。在对大规模城市交通路网进行划分后,利用多智能体方法对子路网进行协调控制。每个智能体采用预测控制方法,为了处理子路网之间的关连,通过与其周围邻居进行信息交流,提出了一种基于拥堵度的多智能体序列协调方法,使多智能体能够尽快地达到决策一致。3.研究了大规模城市交通路网如何通过调整子路网间的交换流量优化内部交通流的问题。提出了一种基于子区间流量协调的城市交通路网两层递阶预测控制方法,每一层可以解决不同的交通问题。在上层,通过将一个异质的交通路网划分为若干个匀质的子路网,利用宏观基本图理论设计上层优化控制器,用于协调子路网间的流量。在下层,采用较为精确的交通流模型,并利用上层给出的指导信息,设计子路网的控制器,用于获取区域内信号灯的最优配时方案。为了将其用于实时控制,两层都采用预测控制方法。并且,在子路网内,采用分布式控制策略来进一步减少计算复杂度。4.研究了大规模城市交通路网如何通过调整外部交通需求优化路网内部交通流的问题。提出了一种把需求平衡控制和交通流协调控制集成在一起的两层递阶预测控制方法。在第一层,通过网络划分,建立了一种改进的基于宏观基本图的交通流模型,能够描述子路网内的交通动态过程。该模型可以用于设计需求平衡的预测控制器,通过调整外围输入流量,改善子路网内部的交通状况。在第二层,利用更精确的交通流模型,设计流量协调预测控制器,通过合理诱导区域内的交通流,使子路网更加匀质。