城市化和机动化的发展导致交通拥堵成为诸多城市面临的棘手问题。在宏观交通网络中,尽管许多复杂算法应用于解决路网交通控制问题,但由于很难获得精确的OD数据,导致这些方法难以应用在实时的控制环境中,路网宏观基本图(Macroscopic Fundamental Diagram,MFD)恰好可以规避这一问题,而且其存在性被证实为在交通控制领域的推广应用提供了契机。传统的研究结果表明,交通诱导与信号控制是解决交通拥堵的两大有效手段。基于此,本文依托国家自然科学青年基金项目“基于时空检测的拥堵交通网络本征提取及快速疏散算法研究(No.61304195)”与安徽省自然科学基金资助项目“拥堵交通网络空间态势转换机理及其快速疏散研究(No.1408085QF111)”,提出了一种基于MFD的交通诱导与边界控制协同方法来解决大型交通网络的拥堵问题,最后通过案例分析部分进行验证。本文研究的主要内容为:(1)根据影响MFD曲线的因素“车流密度”,将宏观路网进行MFD子区划分,根据划分后多个MFD子区间邻接关系和交通量流入流出率之间的关系,建立了路网车流平衡方程;(2)基于时空检测数据,对路网中道路节点和路段拥堵状态进行了分析,并以此为基础建立了城市交通网络瓶颈识别与分类模型,根据路网关键路段拥堵与子区MFD曲线的关系,对交通诱导与边界控制协同时机进行决策;(3)根据驾驶员路径选择方式,通过SP调查建立了驾驶员路径服从率的Logistic模型,提出了基于MFD子区的交通诱导方法;以边界信号控制交叉口为控制对象,提出了调整交叉口信号灯绿信比的边界控制方法。进而得到了面向多个MFD子区的交通诱导与边界控制协同方法,最终建立了以整个路网旅行车辆完成流率最大、平均行程时间和平均延误最小的多目标边界协调优化模型,并通过自适应遗传算法对多目标函数进行求解。以某市路网为例,将具有MFD的宏观路网划分为4个MFD子区系统,通过比较本文提出的交通诱导与边界控制协同、只采用边界控制和无诱导与控制三种方法的控制效果。结果表明:宏观交通诱导与控制协同方法比单独采用边界控制及无边界控制条件下的作用明显,交通诱导与边界控制协同方法更好的解决了MFD子区的拥堵问题,能够有效地提高宏观交通网络的通行效率。