随着社会经济的发展,交通问题越来越受到各国的重视。传统的控制方法已经不能有效的解决日益严重的交通问题,而随着计算机的发展,智能控制技术越来越多的应用到城市交通控制。本文以城市单交叉口信号控制为研究对象,先描述一个四相位、八车道的单交叉口交通仿真模型,从算法理论分析和系统仿真实现两方面,对城市交通信号控制展开研究。从算法理论分析出发,具体主要分为以下三个方面：①根据模糊控制的思想,利用MATAB工具对模糊控制器进行设计,设计步骤主要包括输入/输出量的模糊化、隶属度函数的确定、确定模糊规则等,经过反模糊化,得到模糊控制配时方案。②由于模糊控制不具有自学习能力,分析神经网络特性,利用模糊控制和神经网络相结合的方法,研究模糊BP神经网络控制器的设计,其中包括模糊BP神经网络结构设计和BP神经网络设计,以及利用MATAB工具进行网络测试、输入的模糊化和输出的清晰化,得到模糊BP神经网络控制配时方案。③BP神经网络属于静态网络,Elman (?)神经网络属于动态网络。因此,在研究模糊BP神经网络控制的基础上,尝试利用模糊Elman (?)神经网络控制的方式对单交叉口信号进行控制,并相应设计模糊El man神经网络控制器,主要过程包括Elman网络的设计和利用MATAB工具进行网络的训练、测试以及网络的清晰化和模糊化,得到模糊Elman (?)神经网络控制配时方案。从系统仿真方面出发,为了对上述三种控制算法实现的配时方案进行比较,本文通过面向对象的C++编程语言设计了城市单交叉口信号控制仿真系统。系统设计主要包括系统运行的基本模块、信号控制模块和数据统计三大模块。通过实时动态的可视化界面,再现比较真实的交通场景,分别观察在不同的车流情况、不同的控制方式下,小车在单交叉口的实际拥堵情况,再通过数据统计作为辅助手段,对比上述几种控制方式的控制效果。最后,为了将配时方案实现的效果与传统的定时控制进行对比,亦实现了定时控制仿真。仿真结果表明,模糊控制相比定时控制有效的减少了车辆的平均延误,模糊神经网络控制相比模糊控制,控制性能又有了进一步的提高。在高车流情况下,模糊Elman神经网络控制平均延误低于模糊BP神经网络控制,在低车流情况下时,则相反。