随着我国城市化进程的不断加快,交通拥堵已经成为了城市管理中一个不容忽视的问题。主干道作为城市的大动脉,往往承担着主要的交通负荷。因此,提高城市主干道的协调控制效果,减少主干道上的交通延误和停车率,对改善整个城市的交通状况具有重要的意义。现有的主干道控制方法已经在实际应用中发挥了较好的效果,但也还存在一些不足。比如计算复杂度随着路网规模扩大呈指数级上升;又如优化控制效果严重依赖于数学模型精度,而对于复杂的主干道交通系统,精确模型很难获得。为了解决这些问题,本文将基于迭代学习的数据驱动控制方法引入到了城市主干道控制之中,提出了一种基于去伪策略的城市主干道迭代学习控制方法。仿真结果表明,这些算法具有较强的自适应性和自学习性,比传统的主干道控制方法能更有效地解决城市交通拥堵问题。本文的主要工作如下:1.在改进存储转发模型基础上,提出了基于迭代学习的城市单交叉口和主干道协调控制方法。根据交通流优化控制的需求,将存储转发模型的建模对象由路段进一步细分为交通流向,以交通流向作为控制的基本单元。以此为基础,将迭代学习控制应用到单交叉口和城市主干道的交通信号控制中,通过将上下游交叉口流量的关联性作为单个交叉口的可测干扰,使得复杂多交叉口群控制转化为交叉口组的控制。2.提出了基于去伪策略的自适应迭代学习控制方法,并分析了不同条件下算法的收敛性。将去伪策略引入迭代学习控制中,使其能够根据交通需求的实时动态变化,自适应的调整闭环学习率。同时,针对实际运行过程中交通系统会受到的各种外部因素干扰的情况,分析了当系统的初始状态和扰动不满足严格重复条件时算法的收敛性。3.利用绍兴市柯桥区真实路网和数据,结合matlab和vissim交通仿真软件对上述成果分别进行仿真实验,仿真结果验证了上述方法的有效性。最后,对本文的研究内容作了总结和分析,并对后续研究作了展望。