随着机动车数量迅速的增长导致交通拥堵问题日益严重,在现有的道路条件下最大化发挥道路潜能,挖掘道路通行能力是缓解交通拥堵日益严重问题的有效方法。随着宏观基本图（Macroscopic Fundamental Diagram,MFD）理论的发展,越来越多的学者开始研究区域交通流的边界控制及协同诱导的方法,以求在宏观层面提出均衡交通运行状况的方法。因此本文基于宏观基本图理论探讨城市区域子区划分方法以及子区与子区之间边界控制的策略。首先,运用百度交通指数数据对研究路网进行分析,确定基于宏观基本图的边界控制方法的可行性。对比基于宏观基本图子区划分中常用的划分方法、分析优缺点,在此基础上对K-means聚类算法进行改进,考虑到交通参数的时间、空间特性,运用车牌数据讨论面向边界控制的交通子区划分方法,利用MATLAB软件进行编程。引入平均密度均匀度作为评判子区划分结果的标准,采用连续二分法对实际路网进行划分,分析比较划分结果可知,改进的算法可以将空间紧凑性高且密度相似的路段划分到相同子区。其次,将迭代学习控制理论运用到城市边界控制中。构建以各子区交通负荷一致为目标的迭代学习控制模型,利用MATLAB软件进行编程,以包头市青山区早高峰的交通数据为例进行收敛性分析,证明迭代学习边界控制的可行性,为下一步边界控制确定参数。最后,提出一种受控制的边界交叉口动态识别的方法,在考虑道路容量和最小行人过街时间的基础上,进行信号配时的优化。通过PTV Vissim专业交通软件进行仿真评价,以包头市青山区实际交通路网作为分析对象,进行仿真参数的校正,评价本文提出方法的控制效果。边界控制前后研究区域的车均延误、平均停车次数分别下降了11.7%、10.8%,路网的平均速度增加了15.5%;边界控制前后子区1的车均延误、平均停车次数分别下降了4.1%、5.8%,路网的平均速度增加了6.7%;边界控制前后子区2的车均延误、平均停车次数分别下降了21.2%、17.0%,路网的平均速度增加了16.3%,说明边界控制的方法可以有效改善整个路网的交通运行状态。