随着城市化建设的日益发展，越来越多的车辆加入到城市交通中，城市交通也因此变得越来越复杂。尤其是大城市，公民的出行已经成为一个很棘手的问题。目前，关于城市智能交通的研究有很多，主要的算法有遗传算法、神经网络和蚁群算法等。但是这些算法所消耗的时间成本和空间成本过大，对于实时性要求高的城市交通来说，这不是最佳选择。本文采用分布式和多智能体的设计方法来设计交通模型，模型中包含五种不同类型的智能体，通过这些不同类型的智能体来描述交通场景中的实体。每个智能体通过与相邻的智能体进行通信，获取自身所需要的交通数据。对于一个包含多个路口的交通区域，本文采用两种不同的算法进行单路口控制和全局控制。首先对传统的人工代谢算法进行改进并以此计算单个路口的信号方案，然后采用Dijkstra算法对交通区域进行区域协调控制；传统的Dijkstra算法主要用于计算带权图中一个顶点到其他顶点的最短路径，这里对Dijkstra算法进行一定的改进。本文采用交通仿真工具VISSIM和Visual Basic对一个包含九个双向四车道的十字路口的交通区域进行仿真。VISSIM可以模拟真实交通场景并在仿真后获取相关的交通参数：车辆延时、等待时间和车辆速度等，通过分析这些交通参数来对本文提出的控制方法进行评价。仿真结果表明，对于不同的交通流量，本文提出的交通控制方法在解决区域交通的拥堵问题比定时控制显得更为高效。