近年来,随着经济和社会的发展,交通拥堵问题变得日益严重。实践证明,对一个区域的交通进行综合调度管理是解决交通拥堵问题的有效途径。然而,由于区域交通系统统的非线性、模糊性和不确定性,传统的建模和控制方法效果不好,本文避开建模的问题,应用强化学习的方法进行区域交通控制,论文的主要工作包括以下三个方面:1.作为铺垫和背景,介绍了区域交通控制和强化学习的一些基本理论,并对现有的一些应用情况进行了分析,简述了为什么选择本文方法的原因。2.提出了一种区域交通控制优化算法。对整个区域的周期用强化学习(Q学习算法)进行优化,把区域交通网络按重要性分成若干条干线,按顺序用强化学习优化各条干线的相对相位差及干线上各路口的绿信比,再结合绿信比和相对相位差确定绝对相位差。3.介绍了交通仿真技术和TSIS仿真软件的基本情况,描述了TSIS的RTE接口程序的基本框架和使用方法。利用VC++6.0编写RTE程序实现了本文所提方法并在TSIS5.1下进行仿真,结果表明该方法能有效地减少车辆延误、提高平均车速。