城市交通信号控制是提高城市路网通行效率、缓解城市交通拥堵问题的重要手段。合理的城市交通信号控制策略，不仅需要考虑城市路网中每个信号控制路口的信号配时方案，还需要将联系较紧密的信号控制路口相互协调起来，提高路网的整体通行效率。城市交通信号控制的协调和优化，可以从以下三个方面入手：将城市路网划分成若干个合理的信号控制子区；对城市路网中孤立的信号控制路口采用单点自适应信号控制；以及对信号控制子区内的路口采用区域协调信号控制。　　 本文首先总结了国内外在城市交通信号控制优化方法方面的研究，分析了信号控制子区划分、单点自适应信号控制以及区域协调信号控制中存在的问题，并针对这些问题进行城市交通信号控制优化方法的改进。主要研究内容包括以下四点。　　 第一，提出考虑协调控制目标的信号控制子区动态划分方法。首先对已有信号控制子区划分方法所基于的距离、流量、周期三原则进行改进：用关联度指数(Coupling Index)表征距离-流量原则，并在子区划分时按关联度指数从大到小的顺序搜索路网中各路口；针对已有合理信号周期范围确定方法的主观性较强的问题，提出基于延误分析的合理信号周期范围确定方法。然后针对现有的基于距离、流量、周期三原则的信号控制子区划分方法不能很好地保证信号控制子区内协调控制效果的问题，提出将子区内的协调控制目标作为子区划分中的辅助原则。在符合距离、流量、周期三原则的前提下，合理的信号控制子区内还必须获得足够大的绿波带宽。最后给出了考虑协调控制目标的信号控制子区划分流程和子区动态调整方法。　　 第二，提出基于交通状态判别的单点自适应控制优化方法。根据城市路口的流量比率和时间占有率，将其交通状态划分成空闲、顺畅、繁忙、拥堵四个等级。在不同的交通状态下，根据其交通流特点和驾驶员心理特征制定相对应的交通信号控制目标，并设定相应的运行指标(Performance Index)作为优化目标函数。运行指标由车辆延误、排队长度和通行能力三个运行参数组成，并采用相对指标形式。在交通状态稳定而交通流随机波动的情况下，通过分析交通流短时变化趋势，对信号配时方案中各相位的绿灯时间进行相应的微调，使自适应配时方案既符合不同交通状态下的交通流特点，又适应交通流的随机性。　　 第三，提出基于Q学习的非对称变带宽双向绿波带优化控制方法。首先提出将上下行红灯结束时间车辆排队长度相等作为上下行绿波带宽分配的目标，并用Q学习算法动态学习和优化变带宽非对称双向绿波带控制中上下行绿波带宽的权重。为了克服交通流参数这种大规模连续状态空间下产生的维数灾难问题，本文采用人工神经网络作为Q学习算法中的Q函数。在动态控制过程中，在Q函数的作用下，根据当前路口和上游路口的实时交通参数选择适当的上下行绿波带宽权重修改动作，动态地得到上下行绿波带宽分配比例。Q学习算法则根据上下行红灯结束时间排队车辆数之差，动态地修正人工神经网络中各连线的权值，得到最优的Q函数。　　 第四，以广州市天河中心区路网为算例，验证本文提出的优化方法的有效性。将原有的城市信号控制优化方法和本文提出的新优化控制方法应用于广州市天河中心区路网，并用微观交通仿真软件Paramics对其进行仿真和评价。根据仿真结果从路网总体控制效果、单点自适应控制结果、子区协调控制结果三方面进行对比分析，分析结果表明：考虑协调控制目标的信号控制子区动态划分方法能保证子区中获得足够的绿波带宽；基于交通状态判别的单点自适应控制优化方法在各种交通状态下都可获得较好的控制效果；基于Q学习的变带宽非对称双向绿波带优化控制方法能够更合理地分配上下行绿波带宽，保证上下行红灯结束时间车辆排队长度基本保持一致；本文提出的三个优化方法相结合，能够更有效地提高城市路网的通行效率。