交通系统是一个具有随机性、复杂性和不确定性的非线性系统,很难建立精确的数学模型对其进行描述,而模糊系统能够对不确定性语言进行确定性表达,在系统建模方面有很好的优势。本文基于模糊集合理论和遗传算法,提出了利用遗传分解模糊系统优化信号配时的方法,主要工作内容如下:首先,本文在单交叉口中设计分解模糊控制器,控制器根据当前绿灯相位和下一绿灯相位的最大排队数实时地调整绿信比。控制器输入模糊变量和输出模糊变量均选取三角隶属度函数,论域依据实际的交通状况设定。通过对输入模糊变量的分解,模糊规则数增多,系统有更多可调整的参数用以捕获规则前件和后件的可能变化。仿真实验证明,相比一型模糊控制器,分解模糊控制器的车辆平均延时、排队长度、停车率和平均行程时间减少了15%?27%,达到了优化交叉口信号配时的目的。其次,本文考虑到,分解模糊系统能够对模糊规则的前件进行有效调整并且产生更细致的模糊划分,但分解模糊系统中模糊规则库的获取仍依据专家经验法及人工操作,存在较多主观性因素。因此,本文利用遗传算法优化分解模糊系统的模糊规则库,使规则库参数能够根据流量变化自主调整。经实验证明,遗传优化后的分解模糊控制器各项交通评价指标比一型模糊控制器减少了19%?33%,相比优化前效果得到明显提升。最后,本文进一步研究遗传分解模糊系统在干线多交叉口中的运用。干线中以相邻两个交叉口为控制基本单位,相邻交叉口间存在关联性,本文设计干线双交叉口的遗传分解模糊协调二级控制,第一级控制进行相邻双交叉口之间的协调控制,第二级控制进行单交叉口的遗传分解模糊控制。仿真实验证明,遗传分解模糊系统在相邻双交叉口的信号配时优化上仍具备有效性。