随着城市规模的扩大和居住人口的增加,现有道路交通信号控制配时方案逐渐不能够满足人们的出行要求,城市拥堵问题愈发严重,因此如何利用现有的城市路网控制信号装置缓解交通拥堵是目前城市交通控制问题研究的着力点。复杂性和非线性是大规模城市路网的固有属性,因此建立何种形式的交通流模型,如何设计控制系统,如何实现控制策略是交通控制问题研究的核心内容。本文从如何协调优化大规模城市路网的交通信号配时的问题出发,研究了一套基于S模型的递阶-协调控制架构。首先,通过北京市望京城区路网的浮动车数据验证了路网内宏观基本图模型在不同交通流状态下的形状和散射性,证明了其交通流密度呈非均匀分布状态。其次,针对异质性交通网络,提出一种基于车辆密度的改进Newman快速算法,实现对交通路网的区域划分。划分过程中将车辆密度作为交叉口的关联度模型,然后利用Newman快速算法进行社区检测和划分。在合并各个子网络时,引入基于权值的区域贡献度的概念,将区域贡献度较小且相连的子网络进行合并,节省了贪婪算法遍历的时间,提高了算法划分效率,并利用宏观基本图验证了各个子区域内部车辆密度是否均匀分布。再次,研究了基于S模型的递阶-协调预测控制算法,相比较Store-and-Forward模型,S预测模型中加入了排队长度和下游容纳量等因素,使得预测状态更加准确。而递阶-协调控制架构通过协调因子的迭代更新,实现了各个区域之间的协调控制,最终实现了整个交通路网内所有交叉口的配时方案均为最优的目标。最后,对本文研究的算法进行仿真实验,并与集中控制、定时控制进行对比分析。实验证明,递阶-协调控制策略在保证优化性能的同时,减少了计算时间复杂度,因此对于复杂的交通系统,递阶-协调控制比集中控制更具有可行性。图30幅,表9个,参考文献47篇。