复杂网络是研究节点和边的相关问题的，在现实中存在有着广泛的应用领域。在复杂网络、神经网、生物网络等理论中，主要研究方向是网络结构演化、幂律分布、传播特征，较少涉及边权关系随环境变化的动态演变问题，另外在对边权调节控制的时候也较少系统的考虑整个网络的状态，而多为就事论事，难以达到系统优化的目的。本文试从动态复杂网络的环境特征变化出发，借鉴大脑白质的组织机理，从一个新的角度探讨复杂网络中动态边权关系问题。
　　大脑神经系统主要由灰质和白质构成，如果把大脑灰质看成是神经元节点的集合，那大脑白质就是连接节点边的集合，它在脑神经处理信息时起着重要的作用，影响者神经传导的速度和强度，是近年来脑神经科学中热门研究方向之一。本文试图借鉴白质生物模型构建类似的信息模型来解决复杂网络中的问题。
　　首先介绍了生物理论中大脑白质的运行原理，对大脑白质的各个部分的结构和功能进行了说明，重点讲述了其对复杂环境感知和区域性动态适应性变化及特性。
　　随后对生物模型进行抽象，建立起了白质信息模型。论文说明了白质模型的多层次架构。模型以人工施旺细胞个体和种群的多层结构组成——在感知环境和分析数据上采用分布式采样提交，在信息中心对提交数据评估分析以得出调节建议值的模式。
　　接着本文详细描述了人工施旺细胞个体的生命过程巾的三个状态:前体、不成熟和成熟。并就人工施旺细胞中这三个阶段中对信号的获取和处理机制进行了说明，在借鉴了施旺细胞获取髓鞘化信号的原理的基础上构建了信号采集器，用于对输入信号采样，再经过人工施旺细胞的分析处理，最终决定前体施旺细胞的状态演变的两个方向:成熟的人工施旺细胞还是不成熟的人工施旺细胞。文中探讨了人工施旺细胞种群对人工施旺细胞个体提交数据评估的方法，给出了相应的算法，还分析了白质模型的各信号之间的关系和最终输出值的计算方法和意义。为了建立一个有自适应性的动态控制模型，体现白质系统固有的智能性，本文还借鉴脑神经元电兴奋的原理，提出了边权正向和负向的控制方法。
　　最后，本文说明了白质模型应用于交通控制的可行性和整个控制系统的闭环回路。其中为了获得白质模型的输入数据集，引入了空间句法理论，并以武汉市交通网络为例，绘制了交通路网图并生成轴线图，以此得到了武汉市路网图的相关数据。随后本文描述了交通白质模型的建立过程和参数。为了得出客观有效的数据样本，模型采用了空间句法理论得出数据，随后介绍了白质模型交通网络的反馈机制，即通过白质模型获得正向调节和负向调节数值，根据调节效果修正调节参数的过程。论文说明了白质模型的实际意义，用户可以根据交通状况来采取一些如拓宽道路或者交通管制的措施，以期获得改善交通的目的。