随着城市经济的发展,汽车保有量的增加,区域中的交通拥堵日益严重,给人民生活带来诸多不便。为了解决上述问题,本文着力于优化城市交通路网的信号配时来缓解交通压力。本文选取了功能较为齐全的望京区域作为本次的实验区域,并结合了浮动车数据进行仿真,以期增加研究成果的准确性和普适性。首先通过mapInfo和隐马尔可夫法对浮动车数据进行地图匹配,从而获取各路段的车流量、车辆的平均速度、车辆行驶路径等信息,利用上述数据进行PTV-VISSIM仿真平台的搭建,通过仿真平台复现城市交通路网中各个时间段的车流量状态。依据PTV-VISSIM搭建的仿真平台获取如排队长度及延误、占有率等更多的交通流数据。通过交通流数据拟合获得宏观基本图(Macroscopic fundamental diagram,MFD),并利用宏观基本图对聚类分区算法进行补充与改进,获取一种运算速度较快、分区界限明显的分区方法。本文提出了一套区域边界控制新的方案,即将MFD、模糊自适应控制、以及牵制控制理念引入到该控制方案中。首先,对比了实施模糊自适应控制和传统的定时控制、PI控制算法后路网中车辆数、路网的输出车辆数等,验证了模糊自适应算法的有效性。其次,考虑到区域边界交叉口过多时,一一改变当前区域边界交叉口的控制信号耗时耗力,不易实现。因此本文提出了一种基于神经网络的交叉口重要度综合评估法。它充分结合交通网络所具有的社会网络特性、系统科学分析法、交通流特性,通过此方法筛选获取重要交叉口。并利用牵制控制理念,对区域边界所有交叉口实施模糊自适应控制算法与边界重要交叉口实施模糊自适应控制算法分别进行仿真实验和对比,验证仅控制重要交叉口方法的可行性。最后,通过仿真证明,实施整套区域边界控制新方案后,有效提高了路网的运行水平,减缓了车辆拥堵状况的产生。图64幅,表17个,参考文献61篇。