城市交通环境中,交通信号控制是一种经济高效的提高交叉路口通行能力的方法,能够有效缓解道路拥塞和提高车辆行驶质量。信号配时可以看作一个多目标优化的问题,本文以典型的十字交叉路口作为研究对象,建立以通行量最大、车辆平均等待时间最短、平均停车次数最小、CO2排放量最少的多目标优化函数。由于在过饱和交通条件下,车流的“溢出”现象导致传统的信号配时方法失效,本文针对城市环境下的过饱和路口信号配时方法展开研究。首先在考虑车辆类型的前提下,提出了一种过饱和路口自适应信号配时框架。在车流稀疏时采用传统的交通信号配时方法,在路口过饱和状态下采取过饱和信号配时方法。其次,提出了一种基于NSGA-Ⅱ遗传算法的过饱和信号配时方法。利用遗传算法是求解多目标优化问题Pareto前沿的一种有效途径。怎样尽可能多地找到均匀分布在Pareto前沿的优化解是多目标优化问题的目标,其关键在于尽可能减少群体多样性和算法收敛性之间的矛盾。最后,提出了一种基于动态规划理论的过饱和信号配时方法。利用动态规划理论进行交通信号优化配时的好处是其将优化信号配时的过程转变成为多个单步最优控制,通过多次迭代求得路口处各种性能指标,从而决定是否切换或者保持各个相位的状态,并通过反馈控制效果来调节下一次优化过程,因此使得交通信号控制系统在面对动态的交通流时具备一定的自适应能力。在开源的车辆网络仿真平台Veins上,利用真实的交通数据流数据进行仿真实验。实验结果表明,本文提出的两种方法与传统的固定配时方法和基于Webster模型的配时方法相比,能够有效应对过饱和的交通流情况,其在保证交叉路口处通行量的前提下,减少了车辆的平均等待时间和平均停车次数,也减少了车辆的CO2排放量,比较明显地提高了交叉路口处的行驶质量。