随着社会、经济的高速发展和城市化进程的加快,城市机动车数量及道路交通流量急剧增加,为现代社会带来诸如交通拥堵、环境污染等一系列问题。而交通拥堵则制约经济发展和城市化进程。解决交通拥堵是现代化都市面临的一个重要难题,改进交通信号控制系统充分发挥现有道路的通行能力,是公认的行之有效的解决方案。从理论上来说,城市交通信号控制系统是一个复杂巨系统,具有极强的随机性与非线性,因此,研究城市交通信号控制问题既具有重要的理论价值又具有很强的现实意义。　　 本论文针对城市区域交通信号控制问题进行研究,提出了基于自适应动态规划(ADP)的城市交通信号智能优化控制算法。在此算法基础之上,结合强化学习的思想提出了强化训练算法。并将提出的算法应用于城市区域多路口交通信号控制上。在标准的微观交通仿真平台上实现了多种路网及路况的仿真分析,验证了所提出算法的可靠性和实用性。论文的主要工作包括以下几个方面:　　 首先,介绍本论文的研究背景和意义。并对城市交通信号控制的国内外研究现状进行分析,重点对计算智能理论方法及其在交通信号控制领域的应用进行具体介绍。对世界范围内现有的交通信号控制系统及发展趋势进行分析介绍。给出了论文的主要内容和结构安排。　　 其次,给出了城市区域交通信号控制问题的基本描述,分析了其复杂性。简要叙述了城市交通信号控制基本概念及仿真软件相关概念。对经典的定时信号控制与感应信号控制的相关概念和设置方法进行了介绍与分析。对仿真软件中,本论文所提出的算法开发工作与所设计实验的基本属性、数据采集与处理方法等内容进行了必要介绍。　　 再次,设计了基于ADP算法和Q学习算法的街区路口交通信号优化控制算法。并在仿真平台下实现了单路口信号控制器的设计。通过单路口和区域多路口路网条件下的实验,与定时与感应控制进行了比较,验证了所提出的算法的有效性。　　 然后,在所提出的自适应动态规划算法基础之上,改进了神经网络控制器的输入状态、评价方式与训练方式等,提出了新的控制算法。在改进后算法基础之上,将信号控制器应用于两相邻路口路网多种交通流量模式下,验证了新算法的可靠性。　　 然后,针对多交叉路口交通信号的协调优化控制问题,采用分布式协调控制策略,在改进后算法基础之上,增加输入状态,更新回报函数定义,提出了适用于区域多路口路网信号协调控制算法。在仿真平台上,设计多种类型的路网及路况,对所提出的策略及算法进行了验证。　　 最后,对本论文的研究成果进行了总结,并展望了需要进一步研究的工作。