随着城市机动车保有量的不断增长,交通拥堵问题变得愈发严重。交通信号控制系统是一个具有多输入输出,时变等特点的复杂大系统,模型预测控制(Model Predictive Control,MPC)方法在处理该类型系统的控制问题时具有诸多优势并已经被应用于城市交通路网的控制中。然而,由于传统的模型预测控制存在反复的在线优化过程,交通信号控制优化问题的计算复杂度随着问题规模的增大而快速增长,过高的计算负荷限制了其在对实时性要求比较高的场景中的应用。为此,本文的主要研究内容如下:针对模型预测控制的不足,本文基于存储转发模型(Store-and-Forward Model)描述交通流的进程,首次将显式模型预测控制(Explicit Model Predictive Control,EMPC)引入到交通信号控制问题中。该方法将传统的预测控制方法中反复的在线优化过程转变为离线计算和在线查找两阶段,提升了预测控制在交通系统中的实时可操作性。仿真实验表明,基于显式模型预测控制的信号控制方法优于传统的固定时间信号控制,并与传统模型预测控制相比,显式模型预测控制方法有效降低了在线计算复杂度,可以显著提升交通信号控制的效率。随着交通路网规模不断扩大,状态空间的分区数量也随之快速增长。在线查找的计算复杂度成为了在交通系统中应用显式模型预测控制的最大挑战。本文结合可达域思想,基于交通系统的优化控制设计可达分区算法以解决显式模型预测控制的点定位问题。该方法将显式模型预测控制的在线搜索范围限定在系统下一时刻可达的状态空间区域范围内,从而大幅提高在线搜索效率,提升显式模型预测控制在交通系统的控制效果。通过仿真实验,将可达分区算法与直接查找法进行对比,验证了可达分区算法的有效性。