城市区域交通的实时自适应控制是交通控制研究的一个热点，是智能交通系统(ITS)研究的一个重要方面。本文对城市区域交通的实时自适应协调控制进行了研究，提出了一种基于遗传算法的城市区域交通实时自适应协调控制算法：采用两层的递阶分布式结构；分阶段和分级优化控制参数(周期、相位差和绿信比)，每个阶段长5～30分钟，周期、相位差由区域控制级每个阶段优化一次，绿信比由路口控制级每个周期优化一次；相位、相位数及相序保持相对不变；采用最小化队长、平均延误时间、平均停车次数和最大化系统通过能力等为性能指标。 通过比例分配解码，可以采用遗传算法灵活地优化交通控制的信号控制参数(包括周期、相位差、绿信比、相位数、相序甚至相位本身)，还可以在优化过程中直接考虑相位的交迭问题。 分别以周期增量形式和提前或推迟协调相位起始时间若干秒的形式优化周期和相位差，既缩小了可行解空间，又便于控制周期、相位差增量的变化范围，而且也方便交通信号控制方案的实施。为保证算法的实时性，减少计算量，加速算法的收敛，采用免疫遗传算法优化周期和相位差，并采用分级并行算法计算区域交通系统的性能指标：路口控制级并行计算各自小区的性能指标，区域控制级负责把各小区的性能指标累加起来得到区域交通系统的性能指标。在抽取疫苗时，可以把对应于0的基因作为各自基因座的疫苗，或者把对应于使小区性能指标取得整体最小值的周期增量、协调相位起始时间推迟秒数的基因作为各自基因座的疫苗。 定周期下的路口绿信比优化问题可以转化为一个两级整数规划问题来求解：第一级是一个带上下界约束的单变量整数规划问题，第二级是4个带上下界约束的单变量整数规划问题；也可以采用遗传算法求解。类似地，单点自适应控制的参数优化问题既可以转化为一个三级整数规划问题来求解，也可以采用遗传算法来求解。采用免疫遗传算法优化单点自适应控制的参数时，可以把对应于当前周期的周期长度和各相位绿信比的基因作为各自基因座的疫苗。 本文对区域交通的实时模式匹配控制方法也作了研究，提出了一种基于模式识别的城市区域交通实时自适应协调控制方法：根据区域交通网络的实际情况进行交通量调查和分析，将区域的交通量状况分为若干类；采用交通分析软件对每一类交通量的典型数据进行仿真分析，从而获得最优的配时方案。区域的每一种交通量模式就对应着一种最优配时方案。这些模式和对应方案被存贮到控制系统中，系统运行时实时检测交通量，采用D-S证据理论进行交通量模式匹配，从而进行最优配时方案的选择并运行之。与此同时，根据实时检测的交通量，定期更新交通量模式及其对应的最优配时方案。 仿真结果表明了上述算法的可行性和有效性。