城市交通的快速发展是国家经济实力强力崛起的表现。在城市道路交通系统中,信号交叉口作为路网中的节点,研究节点之间的相互作用关系不但具有较高的理论价值,也具有较强的实际意义。区域协调控制是以节点之间的关系为基础的,研究各节点之间的关联性有利于实施交通控制子区的划分,为制定更加适用有效的协调控制方案提供决策依据,进而减少交通拥堵,提升路网的通行效率。本文针对目前关联度模型存在的不足,提出一种考虑多指标的综合关联度模型,用来度量两节点之间的关联关系,并以此作为子区划分的依据,基于DBSCAN聚类算法进行交通控制子区的划分。论文首先基于固定检测器采集的交通流数据,使用Pandas工具研究数据处理的有效方法,通过研究交通流运行的特征与规律,获取交通数据之间的分布规律与相关性特征,为研究节点间的关系做铺垫。通过对现有关联度模型的分析,指出模型的局限性,根据对节点关联度影响因素的分析,在原有模型的基础上进行优化,构建交通网络节点之间的综合关联度模型。摒弃了通过单一模型对节点进行关联与否的判别方法,使用DBSCAN密度聚类算法将包含多维特征的不同节点进行聚集,将多维特征的同质性作为路网划分的依据,有效防止了传统模型根据主观阈值判断的不适应性。使用Vissim软件对实际路网进行还原,包括10个节点和15条道路的具体的渠化方式和相位进行相应设置,根据实际采集的交通信息数据进行仿真,将多次仿真结果取平均值以减少误差。与两种传统方法进行对比,使用本文模型划分的结果其平均延误和排队长度等各指标均有一定程度的缩减,验证了本文模型方法的有效性。实验证明本文提出的模型可以较好的将交通相似性较高的节点聚集到一个交通控制子区,并且对划分后的子区进行协调控制时可以在一定程度上提升路网的通行效率。