城市交通控制是提高城市交通运行效率的重要途径之一,也是城市交通现代化、智能化的重要标志。先进的城市交通信号控制系统对改善交通状况,充分利用现有道路的通行能力起着非常重要的作用。Agent技术是当前分布式人工智能的研究热点,交通系统是一个分布式、非线性、时变的随机系统,本文把Agent技术应用于城市交通控制系统中。首先,在简要介绍城市交通控制系统的现状及控制方法、概述多Agent系统技术的基础上提出了基于Multi-Agent和递阶集散的城市交通控制系统的体系结构。该系统分为三层:交叉口Agent、子区Agent、中央Agent,将控制策略的制定权下放到路口级,各交叉口Agent根据所获取的实时交通信息,并通过相互协调进行交通系统的控制,提高了路口的智能决策能力,从而使控制系统可更加灵活地适应交通系统复杂多变的特点,为实现交通系统的实时智能控制提供了可能。其次,在提出城市交通控制体系结构的基础上,重点研究了基于Nash均衡的城市交通控制协调算法、交通子区的动态划分的相关理论;并且详述了整个系统的控制策略和子区的控制策略。将博弈论应用到城市交通控制系统的研究中,研究了交叉口Agent之间协调的实现。最后,研究了城市交通控制系统协调的前提与关键技术—Agent短时交通量预测。采用遗传算法优化的RBF神经网络对短时交通量进行预测,证明了GA-RBF神经网络预测的有效性和可行性。