目前，实际交叉路口中最常用的信号控制方式是定时控制和交通感应控制。定时控制的信号配时参数以离线的方式确定信号周期和绿信比，然后将信号配时方案写入信号控制器在线执行。这种控制方式并不能适应实际交通流的动态变化。交通感应控制虽然在交通流饱和度比较低且各方向交通量相差较大时具有效率更好的控制效果，然而当交通流饱和度很高且各方向交通量均接近实际通过能力时，其控制效果无异于定时控制。61717

国外学者最先从20世纪60年代开始了对交通信号优化控制技术的理论研究和探索。其中，Webster(1958)和 Miller(1963)分别针对固定周期的信号控制建立了以车辆平均延误最小为目标的信号配时模型及计算方法，前者的方法仍是定时信号控制的基础。随着人工智能领域的不断发展，模糊控制、遗传算法等技术也融入到了交通信号的控制中。

在国外，1977年，Pappis和Mamdani提出了城市单向单路口模糊控制方法，为城市路口信号的控制翻开了崭新的一页。然而这种控制方法是建立在理想化路口模型的基础之上，在实际的城市路口难以独立发挥作用。

1986年，Anthony 等人提出将单交叉路口的交通状况分成不饱和状态/饱和状态及平稳状态/不平稳状态之后再对信号进行控制。但是该方法是建立在观察和统计的基础之上的，缺乏实时的交通流信息，控制策略还是不能完全适应交通流的动态变化。

1992年，Foy等提出了一种在二相位的系统中用GA来分配绿时长的方法。1997年，Kim提出了分级式的城市路口模糊控制方法，可以根据车流量的变化及时调整控制策略，选择不同的模糊控制规则。1999年，Fatine Maghrebi研究了在过饱和交通状况下，Hopfield神经网络对交通信号时长的优化能力。

2000年，Rouphail 等针对固定周期提出了一种GA与CORSIM模型相结合的优化策略[18]。Kim于2001年将遗传算法引入了城市路口信号的模糊控制中，对模糊控制器的参数进行全局优化，有效地改善了模糊控制器性能。2001年，Park等提出了一种针对固定周期的随机信号优化方法.该方法使用一种GA的接口与CORSIM模型相结合来对周期长度、绿信比、相位差同时进行优化。

2003年，Park和Schneeberger扩展了他们于2001年提出的方法，使之可以协调控制自动交通信号系统和优化相位差。

在国内，1992年，我国学者徐冬玲提出了基于感应控制思路的单路口模糊神经网络控制方案，仿真结果虽然较为理想，但是仍然没有摆脱感应控制的思想。1993年，李立源等人研究了交叉路口的最优控制问题，建立了交通流的最优预测模型，提出了一种交叉路口的在线最优控制方法。论文网

1998年，陈森发等学者提出了关键车流和非关键车流的概念，分析了非关键车流对控制效果的影响，在此基础上对Pappis提出的算法进行了修正，仿真结果优于Pappis方案。然而这种控制方法主要适用于城市路口左转车流较小的情况，当左转车流较大时路口信号还是必须采用多相位控制。

1999年，刘智勇、朱劲等人根据人们对多相位单交叉路口交通指挥的决策过程，设计了一种新的模糊感应控制器，把队长作为控制目标，综合考虑相邻相位车道上的车队长度。

2001，西北工业大学的黄辉先提出使用遗传算法对单交叉路口的相位配时进行优化[17]。在当前周期的基础上实现了对下一周期交通流的预测和优化控制。上述两种方法仅仅考虑了单个周期的信号优化问题，而没有考虑整个控制周期内信号周期间的交通流藕合关系，因此严格地讲是一种静态的优化控制方法。而且由于采用的是针对固定周期时长进行优化，所以该方案并不是真正意义上的实时配时。文献综述