随着经济的发展和社会的进步，城市机动车保有量快速增长，道路供给与交通需求之间的矛盾日益凸显。交通拥堵以及由此引发的环境污染和能源消耗等问题已成为世界各国亟待解决的普遍性难题。城市交通系统的信号控制通过冲突点处的通行权分配，分离冲突交通流，实现车流安全、有效的运行，是解决交通拥堵问题的主要手段之一。
　　传统信号控制技术多采用集中式控制策略，综合考虑区域内路段、节点及网络状态，同步优化所有交叉口的信号方案。然而，集中式交通控制方法受限于网络数据传输和控制中心算力，其实时性不强，实践中多根据过去一段时间的历史数据更新控制方案，存在一定滞后性。同时，集中式交通控制方法系统扩展性差，部署成本高，面对大规模拥堵或过饱和路网实施效果不佳。因此，深入研究城市交通分布式优化控制问题，探索新的交通优化控制策略，具有重要的理论研究意义和实际应用价值。
　　在此背景下，本论文以城市道路交通系统的分布式优化控制为核心，重点针对过饱和网络，引入通信领域中的背压路由算法(Back-Pressure based Routing Algorithm)，从不同角度研究城市道路交通系统的分布式优化控制问题。具体研究内容如下：
　　1、排队溢流主动防控自适应背压控制方法。该方法实现了基于背压控制逻辑的交叉口分布式自适应信号控制。首先推导了排队长度演化规律，针对以往背压方法忽视路段容量的缺陷，结合实际排队长度和路段容量的测算结果计算标准化排队长度；其次，从车道组排队的角度表征相位压力，以相位压力为决策指标，基于信号控制双环结构，设计了可行相位拓展空间与自适应切换机制；再次，提出了一种相位时长两步优化方案，进一步的提升了算法的运行效率和可靠性；最后，论证了方法的稳定性和主动溢流防控能力。
　　2、基于空间预测模型的固定相位相序背压控制方法。该方法借鉴模型预测控制的理念，构建分布式空间模型预测控制整体框架。首先梳理了相邻交叉口间车流交互关系，推导了系统状态矩阵更新模型；其次，提出了考虑背压系数和车流分布的多目标信号配时优化模型，在追求路网吞吐量最大的同时，保证车辆分布均衡以避免排队溢流。最后，融合了多目标粒子群算法和TOPSIS算法，设计了一种优化模型快速求解算法，使其满足交通控制场景的实时性要求。
　　最后，本文搭建了微观城市道路系统在线仿真平台以验证上述算法。仿真结果表明相较已有算法，本文提出的背压算法有一定性能提升，尤其是在过饱和状态下，优势更加明显。本文的研究成果，拓展了城市交通控制可行思路，丰富了城市交通控制策略体系，提高了城市交通系统的运行效率。