有限的城市路网发展空间和机动车数量的急剧增加,使得城市交通供需关系之间的矛盾日益加剧,由此带来的交通拥堵日渐频繁,继而引发了诸如环境污染、能源浪费、交通安全等一系列交通问题。实践证明,这些问题已经无法通过扩充或新建道路等基础设施从根本上加以解决,因此采用科学有效的交通信号控制策略成为解决城市交通问题的重要手段。合理的信号配时对改善交通流在路网中的运行状况,提高路网的通行能力,缓解交通拥堵具有重要作用。论文以“城市交通信号的迭代学习控制方法研究”为主题,针对交通实际问题研究了在输入量受限、输入量和状态量同时受限,带有初态误差及随机的外部扰动等情形下迭代学习控制方法在城市交通信号控制中的应用,并结合路网的宏观基本图,对基于迭代学习的城市交通信号控制对路网宏观交通状态的影响进行了研究。论文的主要工作总结如下:1.考虑实际交叉口信号的相位绿灯时间和车辆排队长度存在的限制条件,研究了带有约束的城市交通信号迭代学习控制方法。分析了在输入量受限和输入量与状态量同时受限条件下迭代学习控制算法的收敛性。通过对交叉口信号的迭代学习控制,使交叉口各个相位的车辆排队达到均衡状态,防止某一相位出现长时间的车辆排队而引发交通拥堵。以西安市小寨十字单个交叉口为例,借助VISSIM软件进行仿真实验,分析了给出方法的有效性。2.针对交通系统在迭代过程中不能严格满足相同的初始重置条件以及存在随机的扰动问题,研究了带有初态误差的城市交通信号迭代学习控制方法,并分析了系统含有随机扰动时迭代学习控制算法的收敛性。分析表明:当迭代的初始状态在期望状态值的小范围内波动或系统含有有界的外部扰动时,系统的跟踪误差能够收敛到一个界内。且该界仅由系统本身的不确定性和随机的外部扰动决定。最后借助VISSIM软件以西安市朱雀大街干线道路为例进行仿真实验,分析了系统的不确定初态和随机扰动对城市交通信号迭代学习控制的影响。3.针对城市交通信号的开环迭代学习控制算法存在抗干扰能力差,无法对随机变化的交通状况进行实时反馈控制的问题,给出了一种开闭环PD型迭代学习控制算法。开闭环迭代学习控制算法同时利用了系统前一次和当前次运行的误差信息计算相位绿灯时间,可以有效抑制交通系统内部的不确定性和非线性,提高控制系统的抗干扰能力,增强控制系统的鲁棒性。以西安市小寨十字周边四个交叉口构成的局域交通网络为例,通过VISSIM软件进行仿真实验,结果表明采用开闭环的交通信号迭代学习控制算法比单纯的开环迭代学习算法的控制效果更好。4.针对城市响应式控制策略(Traffic-responsive Urban Control,TUC)需要预先给定绿灯时间方案,且无法长期适应随机变化的交通状况的问题,提出了一种基于迭代学习控制和TUC的城市交通信号混合控制方法。将TUC策略中需要预先给定的绿灯时间用迭代学习控制代替,既能对交通信号实施前馈预测控制,又能对随机变化的交通状况进行实时的反馈控制,有效提高了TUC控制策略的控制效率。借助VISSIM软件,以西安市小寨商业圈的区域交通网络为例进行仿真实验表明,基于迭代学习控制和TUC的交通信号混合控制策略的控制效果优于单纯的TUC控制策略。5.结合路网的宏观基本图(Macroscopic Fundamental Diagram,MFD)模型,在不同的交通需求下研究了基于迭代学习的城市交通信号控制策略对路网宏观交通状态的影响。以西安市小寨商业圈的区域交通网络为例进行仿真实验表明,通过对交叉口信号的迭代学习控制,可以使路网内各条路段的车辆排队状态逐渐趋于均衡,即路网内的车辆密度分布更加均匀,确保路网在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降或交通拥堵的发生。