本文对城市交通流仿真、交叉路口信号智能控制及仿真进行了研究。首先利用元胞自动机理论建立交通流仿真模型，在此基础上，利用模糊控制的近似推理适合解决主要由人做决定的主观判断过程的特点，建立了基于模糊控制的换道模型。在交叉路口信号智能控制设计中，将模糊控制和神经网络相结合，充分利用两者的优点，建立了基于模糊神经网络的控制系统。本控制系统有以下特点：一是距离较近的交叉路口，不单纯考虑单一交叉路口的交通情况，还考虑了下游交叉路口的交通状况。二是采用变化相序，即根据交通量的大小来调整目前通行相位绿灯延长时间及确定下个通行相位。三是利用模糊神经网络来调整模糊控制中的隶属函数，使得隶属函数更符合实际情况要求。四是在仿真过程中，利用系统数据多次训练模糊神经网络，不断使网络得到优化。 对交通流模型、换道模型及模糊神经网络智能控制采用Visual C++设计了仿真系统。该仿真系统具有①直观性：用户可以看到车道和交叉路口处的车辆运行状况；②适用性：仿真系统既可以利用随机数模拟车流数据，也可采用现实中交通流数据。同时还可以通过智能控制模块对运行数据分析，自动调整交通参数。③可控性：用户可以自主改变车道及各交叉路口参数，如车道长度、交叉路口信号周期、相位数等。这些特性使得用户方便地观察和分析交通运行状况，并协助用户做出有效的决策，保证交通通畅。 通过仿真，可以看到车辆的运行状态较准确地反映了现实交通状况。同时，该仿真系统也对我们提出的智能控制方法进行了验证。实验数据表明，该智能控制方法能对交叉路口交通流进行有效地的控制。