本文针对城市交通系统的宏观边界控制以及无模型自适应控制两方面领域做了若干的研究工作，其科学意义在于，在城市交通系统边界控制的研究中不再依赖于宏观基本图(Macroscopic Fundamental Diagram, MFD)或其他城市交通系统数学模型，仅利用城市交通系统输入/输出(Input/Output, I/O)数据即可进行宏观边界控制设计。论文的研究内容和创新点如下：
　　一、针对大规模城市交通系统体量庞大，难以建模，耦合性、非线性、随机性强等特点，提出了一种分散估计分散控制型无模型自适应宏观边界控制方法。首先，将复杂连接的大规模城市交通系统进行分解(将其划分为若干区域，每个区域视作一个子系统)，并将车辆在各个区域之间的行驶行为视作各个子系统之间的互联影响；然后，对带有互联影响项的每个子系统分别建立紧格式和偏格式动态线性化数据模型，最后，对每个子系统进行伪梯度和伪分块梯度的分散估计以及基于无模型自适应控制方法的分散边界控制设计。该方法无需建立城市交通模型，仅要求各个子系统之间的互联影响可测。
　　二、针对城市交通系统中存在着对控制输入与系统输出的物理约束，以及精确测量各个区域之间的耦合成本过高的问题，提出了一种针对多输入多输出(Multiple-input and Multiple-output, MIMO)未知非线性系统的带有输入/输出约束的集中式无模型自适应控制方法，并且将其应用于同时解决大规模多区域城市交通系统的边界控制以及路径诱导问题。通过系列的仿真实验以及方法对比，该方法的有效性和优越性得到了验证。
　　三、针对城市交通系统的状态预报以及控制问题，提出了一种针对MIMO未知非线性系统的带约束无模型自适应预测控制方法，并将其应用于大规模多区域城市交通系统的宏观边界控制以及路径诱导中。该方法仅利用城市交通系统的闭环I/O数据即可对未来时刻的状态进行预报，并在现有的无约束无模型自适应预测控制方法的基础上加入了实际交通系统的物理约束，从而能够处理城市交通系统的实际问题。