现代有轨电车具有绿色节能环保、投资成本不大、安全系数高等特点,近些年备受各大城市的青睐。然而,由于有轨电车在运行过程中会与社会交通产生冲突,可能会在交叉口对非电车相位交通造成影响,因此,如何在混合交通条件下的交叉口实现现代有轨电车信号优先成为一项重要课题。本文主要针对现代有轨电车在交叉口处与社会车辆的相互影响,探讨现代有轨电车主动信号优先控制方法,在给予电车信号优先的同时,保障交叉口效益最大化。首先针对现代有轨电车特征进行阐述。介绍了现代有轨电车车辆特征、运营特征、主动信号优先控制方式和定位方式,结合有轨电车的不同特征和现有的控制子系统设计了现代有轨电车主动信号优先控制系统。分析了预测现代有轨电车到达时间、交通流量检测、实时载客人数和相位调整时间的计算方法,为实现现代有轨电车主动信号优先控制提供信号控制关键参数。其次结合现代有轨电车GPS数据,重点研究现代有轨电车到达时间预测方法。基于RBF神经网络构建了现代有轨电车到达时间预测模型。通过实例验证,到达下一节点所需时间由RBF神经网络预测比由SVM模型预测的绝对误差小,回归拟合优度R~2score更接近于1,表明基于RBF神经网络的现代有轨电车到达时间预测模型性能更好。然后研究了现代有轨电车主动信号优先控制方案综合评价方法。以交叉口人均延误时间和平均停车次数建立多目标信号配时模型,改进了NSGA-II算法,提出了基于非支配排序的交叉口多目标优化算法;建立了现代有轨电车主动信号优先控制方案评价指标体系,采用DEA-TOPSIS组合模型多角度客观地评价不同方案,实现主动信号优先控制。最后以南京市麒麟有轨电车一号线的天和路和北湾营街交叉口为研究对象进行案例分析。仿真结果表明,基于非支配排序的交叉口多目标优化算法可以使人均延误时间降低3.4%,平均停车次数也有所下降;在所得的信号配时方案基础上,基于DEA-TOPSIS组合模型的有轨电车信号优先评价方法可以综合多个目标评价各信号控制方案,根据不同的权值取值类型,选择出最优信号控制方案。