随着交通需求的不断增加,城市路网内特别是相邻交叉口之间的时空关联作用越来越强。最直观的体现是,路网中某一个交叉口的交通状态发生变化譬如发生交通拥堵时,将对与其相邻的若干交叉口的交通状态产生直接影响。相应的,某一交叉口交通信号配时发生变化而导致交通状态发生变化,也必然影响相邻交叉口信号配时的优化与调整。为此,以路网中的某个区域(或者整个路网)为控制对象,以区域的整体交通效益为优化目标,对区域内所有交叉口进行协调控制,已经成为提高交通信号控制系统运行效率的主要方法。针对现有交通信号协调控制方法的不足,本文在双向干道交通信号协调、基于模型预测控制的大规模路网交通信号协调控制等方面进行了相关研究。本文的主要研究成果包括如下几个方面：1、提出了一种基于干道协调和路网分解的路网交通信号协调控制方法。在干道协调控制中,为了实现干道双向绿波协调,建立了一个基于协调相位绿灯启动时刻的干道协调优化模型。设计了一个相序优化调整策略,对优化后的绿灯启动时刻进行了调整,以确保能够实现干道的双向协调控制。为了减少计算复杂度,定义了干道协调优先指数,构建了一种基于干道协调优先级别的路网分解算法。所提算法最大的特点是,将整个路网的交通信号协调控制和优化问题成功的转换成了对路网中若干具有较高协调优先等级的干道以及少数分散在路网中不同区域的若干单个交叉口进行协调控制的优化问题。2、提出了一种考虑进口道排队清空过程的双向干道交通信号协调控制方法。在进行干道协调控制时为了更精确的建模干道上的实际交通状况,分析了干道交叉口进口道排队车辆的清空过程。为了精确计算排队清空时间,提出了一个排队长度估计模型。分析和讨论了实现干道双向协调时,各个路口协调相位绿灯启动时刻需要满足的约束条件。另外,为了保证干道双向协调的有效性特别是实现协调带宽的最大化,讨论了各种可能的相序组合方案并给出了若干相序调整和优化策略。提出了一个基于混合整数规划的协调控制模型,并给出了相应的优化求解方法。最后,基于一个由八个交叉口构成的干道对所提协调控制算法进行了仿真测试,实验结果证实了所提算法的有效性。3、提出了一种基于分层模型预测控制的大规模城市路网交通信号协调控制方法。基于一个改进的线性交通流动态描述模型,给出了整个路网基于模型预测控制的交通信号控制模型,并在其中引入了关联平衡约束来描述子网络间的相互关联作用。为了解决集中模型预测控制在大规模交通信号优化控制中,存在着计算复杂度高、实时应用能力差、基本不具有现实可行性的问题,设计了一个分解策略,将整个路网的协调控制与优化问题重新分解成了若干子网络优化问题,并提出了一种基于分层结构的关联预测法对子网络进行了协调控制和优化。在底层,基于预测的来自相邻子网络的关联信息并行的对各个子网络的交通信号控制模型进行优化和控制,同时将优化后的各个子网络的输出信息传送给上层控制器。在上层,对协调向量进行优化和更新,实现对子网络的协调控制和优化,最终找到一个全局最优解或者是近优解。最后,设计一个仿真实验证实了所提算法的有效性。4、提出了一种基于分布式模型预测控制的大规模城市路网交通信号协调控制与优化方法。为了精确描述路网中各个路段上交通流的动态变化过程,考虑了路段上的交通流扰动,构建了一个改进的非线性动态交通流描述模型。基于该非线性交通流模型,给出了一个基于模型预测控制的大规模城市路网交通信号控制优化模型。由于路网中不同交叉口的控制周期时间和采样时间可能不同,为了实现路网中相邻路段间交通流的协调控制,给出了相应的时间同步方法。另外,为了减少计算复杂度,提高协调控制算法的实时优化性能,基于对偶优化理论和所设计的一个对偶分解策略,整个路网的协调优化控制问题转化成了对若干相互关联子网络进行协调控制的优化问题,并提出了一种分布式协调控制算法。最后,通过对一个基准路网的仿真测试验证了所提算法的有效性。