机动车保有量的高速增长与经济水平的迅猛发展使得城市交通系统面临巨大压力,交通拥堵问题日趋严重。作为大多数出行者的刚性需求,以小汽车为出行方式的通勤交通是影响高峰时期城市交通质量的关键因素。因此,对小汽车通勤个体的出行信息挖掘、出行规律研究以及相应的管理控制策略优化对缓解高峰期交通拥堵状况具有举足轻重的意义。本文首先建立了基于车牌数据的通勤轨迹提取方法。通过K-means++聚类识别出路网中具有通勤特征的车辆,并提出考虑时间约束的最长公共子序列方法计算不同轨迹的相似度,从而根据个体通勤轨迹相似度、旅行时间匹配程度、道路拓扑信息等因素进行通勤轨迹时空补全,获得完整的通勤小汽车出行信息。为深入了解小汽车通勤个体的路径选择行为,本文进一步分析了通勤出行中实际选择路径与路网最优方案(最短时间路径、最短距离路径)的交通特性,比较了三种路径的路径长度、旅行时间、迂回度、交叉口密度的分布情况,并对实际选择路径与最优方案的重合情况进行分析。在此基础上,结合基于动态K-最短路的备选路径集搜索方法建立基于Path-Size Logit的通勤路径选择模型。此外,结合具体案例分析了通勤者多日出行的出发时间稳定性和路径选择稳定性。结合小汽车通勤者的出行选择特性,本文建立信号控制与交通诱导协同优化的双层规划模型,模型上层为以交叉口所有车辆总延误最小为目标的信号控制优化,下层为以路网中通勤车辆平均旅行时间最短为目标的通勤交通流分配优化,同时建立通勤路径转换概率模型以获取不同路段的转移通勤流量。通过遗传算法和Frank-Wolfe方法分别对上下层模型进行求解,并将优化结果相互输入迭代,直至满足双层规划的总体优化要求。最后,本文以济南市局部路网为例进行分析,验证了通勤轨迹补全算法以及通勤路径选择模型的有效性;在此基础上,对小规模路网中的主要通勤路径及相关交叉口进行信号控制与交通诱导协同优化,实验结果表明,针对通勤车辆的协同优化比单一的信号控制和交通分配优化效果更为优越。