随着城市化进程速度的加快,越来越多的人涌入城市中,导致城市中无论行人还是机动车的数量都在迅猛增加,导致交通拥堵日益严重,给城市交通造成了巨大的压力,甚至在某种程度上已经制约了城市经济的发展,因此缓解城市交通拥堵,释放交通压力成为人们关注的重点话题。在城市道路交通信号控制系统中,为了减少干线上由于交通拥堵频繁停车造成的行车延误,频繁启停、长时间停车等待造成的尾气排放,燃料浪费等一系列交通系统服务问题,研究有效的交通信号协调管理方法是众望所归。城市交通信号协调控制的问题实质上可以看作是一个多目标优化,寻求非劣解的问题,主要是运用一个相对最优的多目标问题的求解方法来获取最优解,比较常见的解决多目标优化问题的方法有梯度下降法、遗传算法、粒子群算法等。本文在已有的交通信号协调控制方法基础上,提出了一种新的多目标优化问题的方法用于解决城市干线交通信号协调控制与优化研究上,即混沌遗传算法,将传统遗传算法与混沌操作相结合,使遗传算法具有混沌搜索,初始种群优异且收敛速度快。文章首先说明了城市干线交通信号协调控制问题的研究背景及意义,对国内外的研究现状进行了分析。然后,对交通信号控制的相关概念、基本理论以及多目标优化问题的基本定义进行了论述。接下来本文对干线交通的数学模型进行了研究,建立了平均延误模型,排队长度模型和汽车尾气排放模型,以三种评价指标为基础建立了新的交通干线协调控制系统的优化模型。最后本文分别研究了经典的Webster模型,MAXBAND模型及对两者模型的改进,并提出了基于混沌遗传算法的多目标优化方法对交通模型进行优化。本文通过在仿真平台VISSIM上构建了典型的城市交通干线样本路段,在路段上对优化结果进行仿真实验分析,实验结果表明了改进模型和新方法相对于传统方法的优越性。