近年来,随着社会经济的不断发展及城镇化进程的不断加快,城市人口和机动车数量日益增加,城市交通拥堵问题也日益严重,并逐渐成为了制约城市经济可持续发展的一个重要因素。合理的城市区域交通信号控制能够有效地缓解交通拥堵,而传统的控制方法很难适用于复杂的交通控制问题,因此,对城市区域交通信号智能控制方法的研究具有十分重要的意义。以神经网络为主要控制方法,并结合粒子群优化算法以及模糊控制等智能算法,对城市区域交通信号控制展开研究。对城市单交叉口神经网络自学习控制进行了分析研究。在单交叉口神经网络自学习控制的基础上,设计了一种基于BP神经网络的区域信号协调控制方法。该方法在保留了神经网络自学习结构的同时,考虑了区域内相邻交叉口间的车辆到达数,仿真结果验证了基于BP神经网络的区域信号协调控制方法的有效性。针对BP神经网络容易陷入局部最优解、训练速度慢等缺陷,将粒子群神经网络和模拟退火粒子群神经网络分别应用到基于神经网络的区域信号协调控制之中。仿真结果表明,基于粒子群神经网络和模拟退火粒子群神经网络的区域信号协调控制方法性能均有所改善,其中,基于模拟退火粒子群神经网络的区域信号协调控制方法控制效果更好。针对基于神经网络的区域信号协调控制方法周期调整方式存在的缺陷以及其他不足,将模糊控制与基于神经网络的区域信号协调控制相结合,设计了模糊及神经网络混合控制方法。仿真结果表明,模糊及神经网络混合控制方法能够取得更好控制效果。