科学的设定及优化信号灯配时是提高信号交叉口通行能力、缓解城市交通拥堵、建设智慧城市必不可少的条件之一。目前,新的交通检测技术已经克服了传统断面交通流检测技术的局限性,使获取实时的、精准的交叉口全样本车辆轨迹数据成为可能,为实现更加精准的交叉口信号配时方案的实时优化提供了新机遇。鉴于此,面向我国城市道路单点信号配时方案优化的实际需求,本文提出基于基因遗传算法的信号灯两级模糊控制策略,以实现不同交通状况下数据驱动式的信号配时参数在线闭环实时优化。具体研究内容和成果总结如下。首先,本文从数据清洗、数据纠偏、轨迹重构、数据抽稀、格式转换等五个方面对车辆高精轨迹数据进行了预处理。并通过设置事件判别准则和虚拟线圈的方式对关键轨迹数据进行了提取。其次,基于预处理后的高精轨迹数据对车辆运行特征进行分析,并根据分析结果对VISSIM仿真模型中的期望速度分布、加/减速度分布以及Wiedemann 74模型中的停车间距、安全距离的附加部分和倍数部分等多个参数进行标定,并对标定参数的有效性进行了检验,为建立微观仿真平台打下基础。然后,针对贝尔路与冲之大道的实际情况,文章基于传统信号灯两级模糊控制策略的架构,建立了一套完整的信号灯两级模糊控制规则,并利用基因遗传算法对模糊控制中的输入输出变量的隶属度函数进行不断寻优,使配时策略具备自主学习能力,保证在交叉口交通流状态发生显著变化的情况下配时策略仍具有优良的控制效果。最后,本文以深圳市冲之大道和贝尔路交叉口为实例,以不同时段的交叉口交通量及构成数据作为微观交通仿真平台的输入,模拟3月13日5点到20点之间交叉口的交通运行状况,并基于仿真结果对文章所提出的信号配时策略的合理性和稳定性进行综合评价。