目前,随着社会经济迅速的发展,人们生活水平逐渐提高,城市机动车辆不断增加,导致交通问题日益突出,交通拥挤现象成为亟待解决的问题。要从根本上解决这种现象,必须要通过科学的管理控制。但由于城市交通流系统具有复杂性、时变性和不确定性等特点,现有控制理论和方法并不能够完全满足城市交通的需求,因此,智能交通信号控制就成为解决交通拥堵现象的主要研究手段之一。无线传感器网络(WSN)是作为一种新兴的信息获取和处理技术,在交通信号控制系统中具有不受环境限制、自组织、分布性等特性,当前已受到人们的广泛关注。但由于单个传感器节点本身存在局限性,多智能体具有与WSN十分相似的特性,因此多智能体理论可以作为描述和分析WSN有效的方法。本文基于此,引入了多智能体技术,对多智能体环境下的智能交通信号控制进行了研究,着重研究了单交叉口下的信号控制方法和多交叉口间信号协调控制方法。本文针对目前智能交通信号控制的研究现状,在对交通信号控制基本理论和多智能体技术做了基本介绍之后,首先对单交叉口进行了研究,提出了一种基于Q学习算法的单交叉口智能体自学习方法。为了减少车辆通过交叉口的平均延误时间,将Q学习与模糊推理相结合对基于智能体的单交叉口进行信号配时优化,以适应动态变化的交通流。在模糊控制规则集的基础上,通过遗传算法优化模糊推理中的隶属度函数参数,克服传统隶属度函数设计的主观性和盲目性。在此基础上,通过Q学习算法对其在线学习,以实现单交叉口交通信号控制智能体的自学习能力。经过仿真表明,该方法相比于传统的定时控制与模糊控制,具有一定的优越性在上述单交叉口研究的基出上,考虑相邻交叉口的影响,将BDI模型引入到Q学习算法中,进一步提出了一种基于多智体的交通信号控制协调方法。在研究了协调控制方法的基础上,以兰州市天水路上的三个交叉口为研究对象,根据三个交叉口的实际情况,建立交通模型,验证协调控制方法的可行性。仿真结果表明,与现有方法相比,该方法具有良好的控制效果,为多交叉口的协调控制研究提供了参考价值。