近年来，随着我国社会经济的飞速发展，国民生活水平也不断提高。在国内，无论是大城市还是中小型城镇，汽车进入普通百姓家庭已成为普遍现象，私家车的保有量迅速增加。机动车带来的城市交通问题日益突出，比如交通拥堵，环境污染等。这将会严重影响人们的出行速度，使生产和工作效率变低，进而造成一系列社会问题。因此，如何有效地缓解城市交通拥堵、提高交通效率已经成为整个社会关注的问题。对于城市交通拥堵问题，最直接的方法就是通过对路网的物理扩张来解决，但这种方法由于造价昂贵、破坏环境等因素，可行性不高。另外一种缓解交通拥堵的方法则采用先进的车流量检测技术、控制策略等新技术，提高现有交通资源的利用效率。交叉口信号控制系统作为交通管理系统的核心，在整个城市交通管理中有着十分重要的作用，如何建立一个高效的智能化交通信号控制系统对整个交通管理具有重要的意义。由于城市交通系统的复杂性和不确定性，很难通过建立常规的数学模型来描述城市交通的实际情况，且算法非常复杂，在线估算量大，控制的实时性较差，控制精度也不高。本文介绍了目前城市交通信号控制的常用方法，研究了交通信息获取的几种方法，重点分析了Webster定时控制方法、传统模糊控制方法、遗传算法和蚁群算法的特点，采用蚁群算法对模糊控制系统中的模糊规则进行了优化，使模糊控制算法的控制效果大大提高。并对Webster算法、遗传算法和用蚁群算法优化的模糊控制算法在相同交通流量情况下的控制性能进行了仿真比较。论文完成了以下工作：（1）本文介绍了交通信号控制的基本概念、主要参数以及性能指标，分析了目前交通信号控制的现状及存在的问题。（2）介绍了一种智能交通系统的设计方案，采用FPGA采集、处理道路实时交通信息，把采集到的交通信息提供给决策模块来控制交通信号。（3）介绍了Webster定时算法，传统模糊控制算法，遗传算法和蚁群算法，针对传统模糊控制器的缺陷，提出了一种改进的单交叉口自适应模糊控制方法，采用蚁群算法对单交叉口自适应模糊控制器进行优化。（4）详细分析了传统模糊控制算法的优点和不足，将优化后的模糊控制算法与传统定时控制算法、遗传算法进行比较，应用MATLAB7.0对各种算法进行仿真。仿真结果表明经过优化的模糊控制算法控制效果优于Webster定时控制算法和遗传算法。