随着城市化和机动化的发展,交通拥堵日益严重,局部拥堵已经蔓延至路网性拥堵。现有的一些控制模型和方法需要精确的OD数据,使得实际控制效果不佳。宏观基本图(Macroscopic Fundamental Diagram,MFD)恰可规避这一问题,它是路网的固有属性,无需具体的OD数据,常用来识别路网的交通状态。因此,本文基于MFD设计有效的控制策略缓解路网交通拥堵。主要包括以下五个方面:(1)基于Vissim构建了区域路网MFD模型。首先,选取区域路网内累积车辆数和完成流量作为MFD的参数。接着,绘制了北京望京区域的部分路网,设置了交叉口信号配时,通过10次调试确定了流量输入,并进行了数据采集、仿真评价工作。然后,证实了研究区域路网MFD的存在性。(2)提出了基于归一化割(Normalized Cut,NCut)的路网子区划分算法。首先,基于交通运行相似度构建了路网带权图,分析了NCut算法流程。接着,提出了评价指标N S_k(A,B),克服了NCut算法无法对子区数量进行优化的问题。然后,利用所提方法把路网划分成多个匀质子区,对各个子区进行了MFD特性分析,并从中选取了受控区域。(3)提出了基于GA-FCM的路网交通状态识别算法。首先,分析了模糊C均值聚类算法(Fuzzy C-means clustering,FCM)算法的特性,提出了基于遗传算法(Genetic Algorithm,GA)算法确定初始聚类中心,克服FCM算法易陷入局部最优的问题。接着,选取XB系数为聚类效果评价指标,证明GA-FCM算法的聚类性能比传统FCM算法优化了31.375%。然后,对受控区域进行了交通状态识别。(4)设计了基于模糊神经网络PID的边界反馈控制策略。首先,建立了区域车流平衡方程,提出了使区域内累积车辆数维持在临界值N~*附近的控制目标。接着,采用模糊神经网络改进了PID控制器,实现了边界流量的控制。然后,通过Matlab/Simulink进行仿真,与常规PID相比,所提方法在达到最佳累积车辆数所需时间上优化了32.450%,并确定了最终每个仿真周期内的控制转移率。(5)基于Python进行了Vissim二次开发,完成了边界控制实证分析。首先,制定了边界路口信号配时方案,调整了最终边界控制交叉口的位置,避免了边界交叉口车辆排队过多影响上游路段。接着,提出多项评价指标,将所提方法与传统定时信号控制、模糊PID控制进行对比。结果表明,所提方法不仅能改善受控区域的各项交通指标,有效缓解区域性交通拥堵,提高整个路网交通运行效益,而且不会影响边界交叉口上游路段的交通状况,是一种具有良好效果的控制手段。