交通信号灯管理与控制直接影响着交通系统的运行效率。对网络中交通信号的合理控制,能够有效提高网络的平均速度,本文基于元胞自动机的动态特性,将NS模型与BML模型融合在一起,以曼哈顿式网络为研究对象,研究历史车辆运行数据对交通网络运行的作用,定义记忆密度的概念,确定五种策略,即绝对无柔性策略、长时记忆密度策略、短时记忆密度策略、双向策略和交叉口车辆不减速策略,优化柔性网络交通配时,以提升网络整体运行效率。本文的研究内容主要包含以下几个内容:(1)分析现有文献中NS-BML融合模型所存在的交通信号灯关于动态配时的问题,剖析其中原理。(2)根据提出的问题,结合元胞自动机所具有的动态特性,制定五种管理控制策略,并明确评价交通系统运行指标。(3)基于曼哈顿式网络,建立仿真模型,进行仿真实验,对比应用五种策略与否的仿真结果,寻求最优比例,并结合静态时间、密度权重因子、周期等因素进行灵敏度分析。研究结果主要包含以下几项内容:(1)采用绝对无柔性策略之后,其时间分配更为均匀,对照效果更好。(2)使用记忆密度策略之后,不一定能够提高系统的效率,这与历史密度所占的比重相关,当比例因子均为0.5时,采用短时记忆密度网络平均速度同比增长8.51%和9.28%。(3)采取双向策略之后,可以消除仅一个方向通行而对面车道排队等待这种不合理的现象,速度同比增长14.27%。(4)为保证安全,采用交叉口减速策略之后,整个网络运行效率降低,但是这是符合现实规律,速度同比增长-2.64%。(5)最优比例分别在0.35和0.65处取得,其效果要优于0.5和0.5,增长幅度为1.88%;只采用历史密度不采用现在密度效果更差,平均速度降低幅度为88.02%,而只采用现在的速度其效果依然不佳。(6)最优静态时间在15s处取得,只有其效率高于静态时间为5s的,提高幅度为0.65%。密度权重因子在2处取得,提高幅度为1.91%。最佳周期时间为142s,系统的效率提升1.89%。