我国经济的快速发展使得近年来汽车保有量迅速增加、城市交通需求激增,随之带来的交通拥堵问题已严重影响了城市的发展和居民的生活质量。优先发展公共交通是缓解交通拥堵的有效途径之一。现阶段主要从两方面采取公交优先,一方面是从空间的角度出发,例如建设公交专用车道,虽然实现了一定程度的公交优先,但同时限制了社会车辆的通行;另一方面是从时间的角度出发,合理调整交叉口的交通信号配时方案,通过对相位绿灯时间进行调整,将优先通行权给予公交车辆,减少其在交叉口排队等待的时间。本文提出了一种基于强化学习的公交信号优先交通灯控制模型（FRBTL）,在保障交叉口正常交通秩序的同时,显著提高公交车辆的运行效率。该模型将最小化公交车辆延误时间作为优化目标,基于雾平台环境下,收集相关交通信息,随后将交通信息传送至雾服务器作进一步的计算和分析,同时结合自适应能力较强的Q学习算法来制定交叉口交通信号配时方案,达到公交优先的目的。论文从单交叉口和多交叉口两方面分别展开研究。首先,在单交叉口层面,将处于排队等待中的公交车数量作为Q学习中的状态,将改变绿灯时长作为Q学习中的动作,适当增加公交车数量较多的相位绿灯时间,使得公交车辆延误时间变小;然后在单交叉口的基础上,进一步在多交叉口层面展开研究,以获得多交叉口间的理想相位差为目标,来对各交叉口的绿灯时长进行调整,尽可能使得车辆在绿灯时间内通过当前交叉口,也会在绿灯时间内通过下一交叉口,大幅度提升公交车辆的运行效率。实验验证采用VISSIM-Excel VBA-MATLAB平台进行仿真,本文提出的方法与不施加公交信号优先的NTSP模型和采用传统公交信号优先的TTSP模型进行了多层次实验对比。仿真结果表明,本文提出的模型可有效降低车辆延误时长特别是公交车辆延误时长,减少交叉口车辆平均排队长度,提高交叉口平均车辆吞吐量和缩短人均延误时长,体现了公交优先思想的同时兼顾了社会车辆的运行,提升了交叉口处理交通流的能力,缓解了交通拥堵。