随着交通流的日益增大及复杂化,城市路网拥堵问题越来越严重,现有的智能交通控制难以提高城域交通系统的整体效率。将主动引导交通流、均衡交通资源的诱导系统和被动疏导交通流的控制系统有机结合是解决城市交通问题的有效途径。如何构建这样的智能交通系统优化模型及其优化算法成为当前的研究热点和关键技术。针对现有交通控制系统存在的问题,本文采用了将基于进化多目标优化的控制与基于蚁群算法优化的诱导有机结合的交通调控模型及其优化方法,构建了单路口多目标优化控制模型、路口间的协调机制及车辆诱导模型,能有效均衡交通负载,提高城域路网的交通效率。主要研究工作如下:(1)针对现有交通控制系统难以有效兼顾各种指标及根据实时交通状态高效调节控制信号配时方案,构建了单路口多目标优化控制模型,采用改进的进化多目标优化算法实现交通信号优化。路口控制优化模型以单位时间内通过的车辆数尽可能的多、一个周期内的平均时耗尽可能的少为优化目标。该模型可以根据实时的道路车流量信息,高效地调节自身配时方案,并能给交通决策者提供多种偏好的配时方案。为了适应交通控制系统多目标优化的需求,提出了一种多子种群并行进化的非支配排序多目标优化算法,仿真测试实验表明,该算法具有较高的时效性,较强的对pareto前沿面的探索能力和保持种群多样性的能力。(2)针对现有区域多路口协调方式中,各路口控制耦合度高,协调控制复杂,实时性差,并且对路口拥堵预判能力差等问题,构建了多路口协调控制机制,该机制通过调节路口间的车流量与道路饱合车流量的比值,来协调多个路口的运行。根据该协调机制的特点,采用了模糊控制技术进行实现。仿真验证实验表明,该协调机制能减少交通拥堵的响应时间,快速协调各个路口的信号控制,提高区域交通效率。(3)针对现有诱导系统较少考虑道路上的动态代价和出行者的起始地与目的地等问题,构建了基于多种指标的车辆诱导模型,并采用改进的蚁群算法实现对出行路径的规划。车辆诱导模型优化指标由三部分组成:起始地与目的地间的静态路径长度、该路径上通过路口总的延时转换得到的等效代价、在道路上运行时产生的动态代价。该优化模型在力求用户路径最优的同时,能尽量实现道路车辆的均衡分布。为了满足诱导系统路径规划的需求,提出了一种有偏好的蚁群算法,该算法通过偏好的设置和局部最优跳出机制,提高了全局收索能力和效率,仿真测试实验验证了算法对诱导系统路径寻优有较高效能。