目前,交通问题已经严重影响了人类社会经济的发展,因此越来越受到人们的普遍关注,而解决交通问题的主要途径之一就是改善交通信号配时系统。先进的交通信号配时系统不但可以良好的改善目前交通状况,而且可以充分提高道路的通行能力。本课题的主要目的就是提出一种新的信号配时系统——基于多智能体的信号配时方法。主要研究内容包括以下几个方面：首先,介绍了Agent的概念及其基本特性,Agent是一种计算机系统,具有反应性、自治性、主动性和社会性,因此可以自主行动来适应外界环境的变化；重点分析了Agent的各种结构,包括Agent的基本结构、反应Agent的结构、慎思Agent的结构和混合Agent的结构,Agent的不同结构具有不同的功能；最后概述了多Agent系统及其应用。其次,介绍了传统信号配时中的控制参数,主要是周期时长、绿信比和相位差等；紧接着给出了单点交叉口的配时设计方法,即F-韦伯斯特-B柯布理论；关键是提出了一种基于模糊控制的智能信号配时方法,描述了模糊控制的方法,并详细分析了精确量的模糊化、模糊控制规则和模糊量的清晰化；最后创新性的提出了智能多车道模糊控制策略,并以包含两个车道组的交叉口为例,分四种情况介绍了车道组Agent根据不同的车辆排队长度而采取的相应的不同措施。再次,介绍了Agent之间的通信,主要是针对通信方式和通信语言；重点是研究了Agent之间的协调模型和协调算法,根据协调模型和算法,以山东理工大学周围的路网为例分析了两个路口Agent之间的协调关系。最后,先探讨了车道Agent和路口Agent的内部结构与功能,车道Agent的主要功能是通过检测器检测到的数据对本车道的车流情况进行预测,这里创新性的采用了基于BP神经网络的交通流预测模型,并把预测结果交路口Agent处理；而路口Agent的主要功能是对接收到的各个车道Agent的信息进行协调与优化,输出最优的配时方案,并反馈给各车道Agent执行。然后通过遗传算法详细研究了路口Agent对信号配时方案的优化,并在Matlab7.0环境下以世纪路与新村路交叉口为例验证了该方法的可行性。最后提出了区域信号配时的体系结构,该结构采用分层递阶控制,将Agent分成路口级、子区域级和中央级,各级之间可以相互通信与协调,共同完成整个区域的信号配时优化任务。