随着我国城市机动车保有量的迅猛提高，城市交通拥堵日益严重，同时伴生高能耗、高排放等多种负面影响，已引起了社会各界的广泛关注。城市交通控制系统是应对城市交通拥堵问题的有效手段之一。为了适应城市交通系统的复杂性和随机性，整合多种控制手段、实现主动控制的城市交通控制系统是未来发展的重要趋势。据此，本项目从城市交通网络数据处理、交通流均值预测、交通流不确定性预测与分布分析、城市交通网络信号控制四个方面对城市交通控制系统进行了研究。首先，在城市交通网络数据处理方面，分别定义了射频识别（RFID）数据的错误、缺失及冗余三类异常数据，分析了错误数据、缺失数据及冗余数据的特征，建立了错误数据、缺失数据的识别及修正方法，研究了出行时间数据的时间覆盖率特征。其次，在交通流均值预测方面，基于有效数据集，将K近邻算法、BP神经网络、RBF神经网络、广义回归神经网络及Elman神经网络等理论与交通流预测的SARIMA模型相结合，构建了短时交通流混合预测模型，并研究了不同时间汇集度对预测模型精度的影响。再次，在交通流不确定性预测与分布分析方面，基于交通流均值预测及实际流量分布，获取了交通流预测残差，分析了不同时间汇集度下的残差特征，发现了交通流预测残差的“尖峰厚尾”特性，推翻了传统的交通流残差正态性假设，并基于最优拟合分布对交通流的不确定性进行了预测；应用多种分布模型，分析了城市交通系统中出行时间的分布特征，给出了最优拟合分布。最后，在城市交通网络信号控制方面，以城市交通网络的交通分配和信号控制为对象，借助博弈论、模糊理论等方法，对用户均衡、系统均衡条件下的区域交通信号控制进行了研究，构建了多种区域信号协调耦合优化模型。综上所述，本项目从交通数据处理、交通流均值预测、交通流不确定性预测、信号控制与诱导耦合优化等方面，形成了一套完整的城市交通控制系统理论模型，对提升交通运行效率、改善交通运行状况有着积极的作用，可为城市交通规划、管理措施的制定提供参考。