近年来,智能交通系统(Intelligent Transport System,简称ITS)快速发展,智能检测技术获取的短时交通流数据为先进的交通管理系统(Advanced Traffic Management System,简称ATMS)实现信号控制模型随着短时交通流变化而动态调整信号配时提供了有利条件,流量检测器仅能得到路段流量,动态O-D(Origin-Destination)量作为实时信号配时的重要输入参数,需要依靠动态O-D反推获取;而在实际路网中,实时信号配时的不断变化又将影响动态O-D量的变化。因此,动态O-D反推与实时信号控制作为ATMS的重要基础理论,紧密联系、相互影响,研究动态O-D反推与实时信号控制的组合模型,实现信号配时适应短时交通流动态调整的目标,对于缓解交通拥堵,提高城市路网的通行效率,减少城市路网延误、排队长度,使城市路网的交通管理与控制更加精细化具有重要作用。本文提出引道动态累计流量的概念来考虑信号控制与动态O-D反推的相互影响,以减少引道动态累计流量为目标,建立适用于路口、干线、区域路网的基于动态O-D反推与多目标优化的实时信号控制组合模型,根据动态O-D量的实时变化不断调整信号配时方案,实现减少延误和停车次数、提高有效通行能力的多目标优化,并提出模型的具体求解算法,通过案例研究说明了模型的有效性。主要包括以下3方面工作:1、路口信号控制组合模型。路口模型属于参数优化模型,以路口进出口流量的守恒关系建立平方和最小的动态O-D反推参数优化模型,同时建立引道动态累积流量最小化为目标函数的信号控制最优化模型,采用松弛处理的方法,将以上两个模型组成的双层最优化模型以罚函数加权的形式进行组合,得到路口的动态O-D反推与多目标信号控制的组合模型,单层模型采用精确罚函数算法求解,并以车辆平均延误、车辆平均停车次数、有效通行能力为组合模型案例分析的评价指标,将相序变化的单层模型、相序固定的单层模型、现状配时进行了对比分析。2、干线信号控制组合模型。干线模型首先设计了求解干线走行时间和动态O-D分配比例的时空序列离散化计算方法,在此基础上,建立了基于Kalman滤波的“反推+分配+修正”干线动态O-D反推模型,得到考虑信号控制影响的动态O-D流量,最后,以引道动态累计流量为动态O-D反推与多目标信号控制的传递变量,针对相位差的动态变化,构建了干线信号控制模型的信号配时计算方法,并以车辆平均延误、车辆平均停车次数、有效通行能力为组合模型案例分析的评价指标,与现状配时进行了对比分析。3、区域路网信号控制策略。区域路网信号控制策略建立在干线模型的基础之上,提出了建立区域路网动态O-D反推与多目标优化的实时信号控制策略的解决思路和技术框架。引入动态交通仿真来解决区域路网的路径选择作为动态O-D反推和信号控制模型的已知条件;通过引道动态累计流量作为动态O-D反推与多目标信号控制的传递变量,建立适用于区域路网的信号控制策略,一方面,采用Kalman滤波模型建立路口和全路网两步动态O-D反推模型,并将引道动态累计流量作为信号配时对动态O-D反推的影响引入到观测方程和走行时间中;另一方面,以动态O-D流量、动态分配比例、信号配时参数,输入路口排队消散模型,得到每个路口各个进口引道上的动态累积流量,进而得到信号配时。