随着经济的快速发展,我国的汽车保有量不断提升,随之而来的交通拥堵、道路安全和空气污染问题制约着经济发展的速度。在人口密度如此之高的中国,想要单纯地靠道路建设解决日益严重的交通拥堵问题无异于天方夜谭,因此有效的交通控制策略在解决城市交通拥堵这一问题中是不可或缺的。根据宏观基本图(MFD)理论,当累计车辆数达到临界累计车辆数时,MFD的行程完成流量最大,此时路网处于饱和状态,车辆的通行效率最高。控制信号会对交通子区宏观基本图的形状产生影响,本文利用BP神经网络对子区的信号配时和宏观基本图的流量峰值的非线性对应关系进行了建模,将宏观基本图的流量峰值最大时的信号配时作为子区新的信号配时,使边界反馈控制能够取得更好的控制效果。在对子区的交通流进行建模时,本文充分考虑了车辆在子区内停车的情况,建立了带有停车场元素的车辆平衡方程,然后提出了一种子区边界交叉口信号的反馈控制策略,将子区的车辆数控制在临界累计车辆数附近,保持子区的通行效率最高。针对边界反馈控制引发的边界交叉口外排队溢出的问题,本文提出了扩展边界的概念并给出了边界反馈控制下的扩展边界信号控制策略,根据边界交叉口的绿灯时长和排队长度调节扩展边界交叉口的绿灯时长,防止排队长度超出路段长度造成溢流。以子区行程完成流的大小和车辆平均延误作为评价指标,经过VISSIM仿真验证发现,论文中的边界反馈控制策略能够有效提高子区行程完成流的值并减少车辆的平均延误,提高了路网的通行效率。相比没有扩展边界控制策略的边界控制反馈策略,采用了扩展边界控制策略的仿真边界外平均排队长度明显降低,减少了排队溢出的风险。