交通运输已经成为社会经济发展的命脉，但是城市车辆的迅速增加，使得其在给人们带来各种便利的同时，也带来了一系列的问题，如环境污染、交通拥挤、交通事故等。道路交叉口信号控制是城市交通控制系统的重要组成部分，现有的控制系统还未完全发挥出信号控制的作用。随着智能运输系统(Intelligent Transportation System，ITS)的发展，更先进的交通控制系统会不断的涌现出来。　　 本论文结合人工智能和智能控制方面的理论和方法，以网络控制和移动Agent技术为基础，针对交通信号控制问题的特点，从交通控制的实际情况和需要出发，从底层路口的控制算法开始进行研究，然后提出基于Agent的路口信号控制系统，该控制系统上层的Agent调度采用基于CBR的策略，最后对上层需要的优化算法等进行了研究。主要内容如下：　　 1.设计单个路口多相位模糊逻辑控制算法。该算法与普通的模糊控制方法不同，不仅考虑了当前绿灯相位和下一通行相位的车辆排队情况，还考虑了其它相位的车辆排队情况，使控制更接近人的思维。由于输入量较多，为了避免模糊规则出现维数爆炸，算法采用了分级实现。将该控制器的控制效果与常规感应式控制系统进行比较，仿真研究结果表明该控制方法有较好的控制效果，尤其在交通流较大时，可以更好地满足路口控制的要求。　　 2.对干线交通控制进行了研究，提出了模糊补偿控制的算法及其实现。该算法结合了传统数学模型和智能控制技术两方面的优点，首先对确定性因素建立基于线性规划的数学模型，以绿波带的宽度作为目标函数进行求解，然后对实际控制中出现的不确定性因素进行补偿控制，对每个路口的相位差和绿信比进行调节。控制实现采用循环更新策略，实际应用中可以和交通流量预测方法结合在一起使用。仿真结果表明控制效果要好于感应控制。　　 3.提出了基于网络控制和移动Agent的城市路口信号系统以及控制的实现策略。利用Agent技术把不同的交叉口信号控制方案包装成可在广域网上分布转移的Agent。并由位于网络调度中心的网络统一调度器根据交叉口实际交通情况的变化进行相应移动控制Agent的派遣或回收，以达到更好的控制效果，同时也为各种移动Agent的学习和参数优化提供必要的条件和保障。这样就不需要底层交叉口信号控制器同时支持其工作所需要的所有的移动控制Agent，可大大降低交叉口信号控制器所需要的内存和计算能力，特别适合当前流行的基于嵌入式操作系统的交叉口信号控制器。实现了“当地简单，远程复杂”的低成本网络化控制形式，为生产低成本、高性能的网络化智能交通控制系统提供理论基础。　　 4.对网络调度中心的调度策略进行了研究，提出了基于CBR的Agent调度策略。CBR(Case Based Reasoning)通常称为基于案例的推理，是人工智能领域中的一个重要范畴，旨在利用已有的案例去解决新问题。通过基于CBR的Agent调度策略可以对道路交叉口进行有效的控制。采用TSIS、VC和MATLAB组成的仿真平台，结合前面的控制算法对控制策略实现进行了研究，仿真的结果表明本文的调度算法无论是单个路口还是路网均取得了良好的控制效果，确实改善了路口的性能，并且能够对诸如交通事故等意外情况采取迅速有效的应对方案，说明该调度策略在实际的应用中是切实可行的，可以满足城市道路交通的需要。能够实现交通信号的优化控制。　　 5.对控制系统的网络调度中心的支撑算法进行了研究。调度中心不仅要根据实际的交通状况对Agent进行调度，还需要相应的支撑算法对交通控制进行相应的辅助和决策。主要研究了两种算法：交通量预测和基于有序样聚类的TOD参数优化算法。交通量预测方法以模糊神经网络为核心，可以对城市道路的交通量进行实时滚动预测。预测结果分析表明该算法收敛速度快，预测精度高，能够满足交通控制系统对交通量预测的需要。基于有序样本聚类的TOD控制算法不仅充分利用现有设备和远程计算资源，而且避免了单独应用TOD算法或者感应算法带来的弊端。仿真试验证明这种算法简单实用、控制效果好、完全可用于实时控制。