随着经济的发展和社会的进步,城市交通拥挤日趋全球化。如何提高出行效率,缓解交通拥堵,是智能交通系统中的关键问题。交通信号控制是城市交通管理的基本工具,交通流预测则提供了交通信号控制的基础。然而目前的交通信号控制与交通流预测的相关研究是相互分离的,无论是纯优化还是纯预测的研究,都不能达到理想的城市交通控制。为此,本论文进行了以下工作:首先,本文提出了一种基于交通流预测的城市交通信号控制系统框架,将交通流预测和交通信号控制两种技术结合起来。系统包含数据中心、预测模块和优化模块。在数据中心内,对汇入的不同格式的道路交通数据进行转换和计算,并推断出难以通过观测统计得到的交通数据,如OD交通量。其次,建立了预测模块与优化模块之间的通道。利用历史交通数据和BP神经网络训练出预测模型,实时交通数据经过预测模型后就成了优化模块所使用的预测数据,优化模块进而优化出最适合预测数据的信号灯配时方案,应用于未来一段时间的道路信号。最后,本文针对路网规模大小分别设计了精确控制优化策略和进化控制优化策略两种自适应控制策略。为了验证所提出的系统和优化策略,本文在阿里云天池平台提供的真实交通数据上进行了实验。实验结果表明,所提出优化策略及系统的预测模块都在提高交叉口通行能力上有明显的效果,并且系统运行时间满足预测的时效性要求。