当前交通拥堵现象在国内外各种城市中频频发生，要解决这种现象，必然要加强交通控制与管理。在城市交通中，单路口信号控制构成了交叉口线控和面控的基础，是国内外研究的热点。 在城市交通控制中，由于交通流系统的时变性、随机性和不确定性等，使得传统的基于模型的控制理论与方法难于取得良好的控制效果，因此，智能控制理论和方法就成为了交通信号控制领域的主要研究手段之一，如模糊控制方法、有监督学习的神经网络方法和Q-学习方法等。本文以多相位、交通需求大的单交叉口为研究对象，设计了基于强化学习方法的信号控制方案。为了克服由于交通需求量大、采用多相位方案引起的状态空间庞大的问题，本文利用交通强度概念，缩小了问题的状态空间，提高了强化学习的收敛速度。通过Matlab仿真，并与感应控制的效果做了对比，验证了采用模糊推理方法对状态空间进行处理的有效性，从而可以把强化学习推广到多相位方案的单路口信号控制中，增加了实用性。本文的仿真虽然是针对四相位的，但方法同样可以推广到更多相位的控制。