当前，社会经济的迅速发展与交通建设的相对滞后，已经构成非常突出的世界性的矛盾。交通拥挤带来的经济损失和环境污染愈演愈烈。基于此，如何充分有效的利用有限的交通资源，以科学的理论来指导交通规划、设计、控制和管理，以缓解失衡的交通供求关系，成为亟待解决的问题。现代交通流理论的研究随之应运而生。本文主要进行了以下工作： 1.在分析已有模型如最优速度模型，广义最优速度模型以及改善广义最优速度模型的基础上，研究了一种新的考虑当前车辆前面任意数目车辆的跟驰模型——总的广义最优速度模型。该模型比已有模型更为准确和实际地描述交通流的现象。通过模拟在很短的司机反应时间内，车辆加速和减速过程验证了该模型的性质。在一条封闭的环形道路上，研究了考虑不同数量的车头距和相对速度情况下交通拥挤的演化过程。仿真结果说明了总的广义最优速度模型是有效的。 2.研究用遗传算法结合一种新的聚类方法即最疏集(MSS-most scatteredset)均值聚类算法和传统的最小二乘法来训练RBF(radial basis function)网络结构参数的方法。该方法不仅避免了网络训练陷入局部极小的问题，而且新的聚类方法的计算效率有所提高。通过把该算法应用在交通流预测方面，取得了令人满意的效果。 3.研究了单交叉路口信号灯优化控制新算法，通过对单交叉路口每个方向每条车道未来时刻车辆到达数的有效预测，采用模糊控制推理信号灯下一个周期的时长。在此基础上，建立以车辆平均延误最小和交通流量最大为目标的多目标优化模型，采用排序-遗传算法优化得到每个相位的绿信比，根据此绿信比将周期时长分配到各个相位，从而得到了最优的信号灯配时。最后，进行了计算机仿真试验，结果表明该算法是有效的。 最后，在简要总结全文工作的基础上，对相关领域未来的研究方向进行展望。