本文通过研究平面信号交叉路口的交通流特性,建立一种离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元,把一个周期时间离散成许多相等的时间段,以各支路车流信息为输入,得出交通信号控制的各项性能指标。此离散交通控制模型与实际交通路口的车辆通行情况基本接近,反映了路口通行车辆的离散性、不连续性的特点。同时通过对交通流基本理论的研究,建立两种基于反向传播神经网络的两相邻路口之间的车辆预测模型以适应离散交通信号控制模型。通过研究和比较几种典型的城市区域交通信号控制系统,总结出城市区域交通信号控制系统基本控制模型并建立了五路口的交通信号仿真控制模型。通过对实数遗传算法和自适应粒子群算法的研究,提出自适应变异粒子群算法。自适应粒子群算法由于在实际优化中每个粒子根据当代以前搜索到的个体极值点和全局极值点来更新粒子,因此,容易过早收敛而陷入局部最优解。而变异算子是实数编码遗传算法中的主要搜索算子,通过变异算子来更新粒子的个体极值点和全局极值点能大大提高粒子群优化算法的稳定性、收敛性及全局搜索能力。为了验证自适应变异粒子群算法的有效性,在Matlab环境下编程进行仿真实验。在单交叉路口仿真实验中,仿真结果表明自适应变异粒子群优化算法优于实数遗传算法和自适应粒子群算法,它大大提高交叉路口通行能力,减少车辆延误,达到交通信号优化控制的目的,比传统方法更好地适应交通流的变化。同时,在五路口交通网络仿真中也表明自适应变异粒子群优化算法的有效性。