随着经济的快速发展,汽车已成为家庭出行必备交通工具,各城市小汽车保有量快速增长,然而现有的道路基础设施已经无法满足交通需求,这将导致人们花费在通勤上的时间越来越多,道路拥堵也越来严重,还会加剧汽车怠速污染、交通事故频发等一系列问题。为了解决当前交通问题,仅仅从拓宽城市路网规模,新建或改建城市道路是不够的,因此,还需要采用管理与控制结合的方式,一方面要从源头上降低交通量发生,另一方面,采用合适控制方案,保障道路上车辆可以安全、快速运行。本文以短时交通流预测为切入点,构建自适应单点控制、自适应干线协调控制及自适应组合控制,从短时交通流量及车速预测、各交叉口信号周期时长优化、考虑汇入汇出车流的相位差模型构建及各时段控制策略选择等方面进行研究与探讨,完成工作可以概括如下:(1)首先对采集数据进行处理、统计、分类等操作,再结合影响因素利用BP神经网络对道路短时交通流量和车速进行预测;(2)以预测交通流量为基础,利用遗传算法优化各交叉口信号周期时长:(3)根据预测交通流量和车速数据,构建考虑汇入汇出车流影响的干线相位差模型;(4)利用VISSIM二次开发(COM)进行实例仿真,得到自适应单点控制、自适应干线协调控制、自适应组合控制与原方案控制各项控制指标。分析结果表明:通过短时交通流预测结合相位差模型构建,采用自适应组合控制方案,可以有效的降低道路车辆延误,提高通勤效率。