区域交通信号控制的子区划分是对大规模城市路网执行区域信号控制的基础。由于路网内交通流的复杂性以及时变特性,固定不变的子区方案大大降低了信号控制系统的实时应变能力。因此,对控制区域实行动态的子区划分逐渐成为研究热点。针对目前子区划分指标选取和划分方法存在的不足,本文提出了一种基于自组织映射神经网络算法的子区划分方法,结合划分过程中与关联性相关的动态指标的选取以及关键交叉口的实时判别,实现了控制区域的动态划分。在城市路网交通流运行特性分析方面,论文基于城市道路交叉口与路段的实测交通流数据,对路网内交通流的运行特性进行了分析。路网交通需求的传递是以交通流在时间和空间上的传播作为载体,本文采用交通需求在空间上的传递特性表征区域之间存在的关联特性。此外,论文介绍了宏观基本图的原理,并以此来研究路网的宏观交通特性。城市路网交通流运行特性研究为动态子区的划分奠定了理论基础。在区域信号控制的动态子区划分方面,论文主要针对动态子区划分所涉及的交叉口关联性影响因素和划分计算方法进行了深入的研究。通过对控制区域内关键交叉口的实时判别、影响交叉口之间关联特性因素的仿真分析以及自组织映射神经网络的计算原理等动态子区划分问题的研究,本文提出了一种基于自组织映射神经网络算法的动态子区划分方法。本文选取昆山市中心城区为研究对象,对基于自组织映射神经网络算法的动态子区划分方法效果进行了评估。论文采用基于自组织映射神经网络算法的动态子区划分方法和基于“合并指数”的动态子区划分方法对昆山市的路网划分进行演算。并采用基于路网空间交通分布和基于区域信号控制效益两个方面分别对两种划分方法进行评价。评估结果显示,本文所提出的动态子区划分方法能够很好将交通相似性高的交叉口和路段划分到一个控制子区,且对划分的控制子区执行协调控制时能够取得良好的控制效益。