城市交通信号控制是智能交通系统(ITS)的重要组成部分。城市交通信号控制是通过实时自适应控制交通信号,对交通流进行调节、警告和诱导以达到改善人和货物的安全运输,提高运营效率。其目标在于更好地利用现有的交通能力,提高交通流的安全性、快速性和舒适性。然而现有的交通控制系统并不能有效地实现上述目标,对交通高峰时段造成的交通拥堵以及瓶颈路段,仍然需要人工干预;交通信息管理系统的落后经常造成交通管理滞后,带来更多的车辆延误和燃料消耗。 本文首先从城市交通流动态模型着手,深入分析宏观交通流理论与微观跟驰理论的各自特点和相互关系。宏观交通流模型CTM采用宏观交通流的参数平均值来描述动态的车辆运行特性,因而只能起到描述交通网络中宏观交通流的作用,而对于某一时刻特定路口的交通流动态特性则无能为力。针对这一缺点,本文利用交通波理论并结合车辆微观跟驰理论,对已有交通流模型CTM进行改进,使之适应城市交通流动态特性,并将其改进模型ICTM应用于城市交通信号控制中,对路口信号控制下的交通流数据进行动态更新。并为论文后续信号控制方法研究和交通网络信号控制奠定基础。 在应用动态交通流模型对孤立交叉路口建模的基础上,采用遗传算法的寻优能力对模糊信号控制器的规则进行优化,并应用于路口信号控制,仿真结果表明基于遗传算法进行规则优化的模糊信号控制器,提高了系统的控制性能指标。 为改善模糊控制器的系统性能,设计了具有控制功能和学习能力的自适应模糊控制器。利用模糊闭环关系矩阵,分析模糊系统的稳定条件,证明本文提出的自适应模糊信号控制器在孤立路口信号控制中是稳定的。同时在仿真结果分析中显示出控制器的规则自调整能力。与感应控制的信号配时结果进行比较,自适应模糊控制器明显地减少了系统车辆延误时间,