城市主通道作为城市交通系统的核心,承载了城市最主要的车流。当城市主通道的交通基础设施难以满足高强度的交通负荷时,容易引发大规模交通拥堵。过去交通信号控制常被用于治理交通拥堵,但是由于城市汽车数量快速增长和交通基础设施的容量限制,传统交通信号控制在治理拥堵方面也面临着边际效用递减的境况。随着车联网技术的迭代升级,能够利用车联网感知路网车辆信息实现动态优化的新型交通信号控制为城市交通拥堵治理提供新的方向。本文以城市主通道为研究场景,提出一种车联网环境下信号协调控制框架以提高车辆通行效率。本文将宏观基本图（Macroscopic Fundamental Diagram,MFD）作为城市主通道区域交通状态评判工具,对进入城市主通道区域的交通流进行宏观层面管控,进而将宏观控制与微观层面的边界信号控制相结合,利用车联网环境下交通控制中心能够获取道路车辆信息的特点,实现主通道区域边界交叉口的精细化控制。在城市主通道内部,本文利用网联车辆能够与交通控制中心双向通信的特点,对车辆进行速度诱导,同时根据路网条件,设置连续交叉口同方向信号相位之间的相位差,以提升主通道的车辆通行效率。具体工作内容如下:首先,本文采用模型预测控制（Model Predictive Control,MPC）作为宏观交通流控制框架,利用交通流守恒方程建立宏观控制模型。在控制框架中,本文通过交通流守恒方程预测城市主通道区域的交通状态,以MFD为依据评判交通状态从而触发边界控制。在宏观控制中,MPC能够通过遗传算法求解得到每个控制步骤的最优控制参数,利用该控制参数可以限制进入城市主通道区域的交通流比例,使城市主通道区域能够达到期望的较好交通状态。其次,本文以城市主通道区域边界交叉口的信号配时方法为研究对象,提出一种微观边界信号控制模型。该模型结合宏观控制中得到的控制参数和交通控制中心感知到的各交叉口公交车与社会车混合队列中两种车辆的车辆数,预测下一个控制时段两种车辆通过交叉口的数量,并根据公交车和社会车载客量的不同,以最大化边界交叉口群的总转移乘客数为优化目标,利用启发式算法求解,得到最优的信号配时方案。而后,本文通过设置相位差形成绿波带,并对主通道内部车辆进行速度诱导,避免车辆因过早到达交叉口而停车,让主通道方向上的车辆尽可能在不停车的情况下通过主通道上的连续交叉口,进而提升主通道方向的车辆通过性,也兼顾到其他方向车辆的行驶平稳性。最后,本文通过SUMO仿真平台搭建路网模型,使用Python语言编写控制程序,从而进行仿真实验。本文通过数值仿真验证了宏观控制方法的可行性,并通过Tra CI（Traffic Control Interface）二次开发API将控制程序与仿真程序连接,进而实现本文所提出的控制策略。仿真实验得到的相关指标表明,本文中的控制策略可以改善城市主通道区域的交通状态,提升城市主通道的通行效率。