城市交通问题是困扰城市发展、制约城市经济建设的重要因素。针对城市交通拥堵问题的解决途径主要有交通诱导和交通控制,而实现交通诱导和交通控制的关键则是能否对交通流进行短时的预测。本文以研究短时交通流预测为切入点,对传统预测算法的缺点进行改进和优化,提出以改进短时交通流预测模型为基础的城市区域交通信号控制方案。论文首先介绍了课题的研究背景及实际意义,总结了短时交通流预测的主要模型,介绍了国内外比较具有代表性的城市交通信号控制系统。同时,简要介绍了神经网络和小波理论以及两者的组合即小波神经网络,并以小波神经网络为框架搭建了短时交通流预测模型。针对小波神经网络隐层节点数量难以确定的问题,提出基于经验公式的双边搜索法找寻最优值；针对网络收敛速度慢和易陷入局部极小等问题,提出在网络训练过程中增加动量项和自适应学习率,同时运用遗传算法优化小波神经网络的初始参数。运用实际交通流数据对预测模型进行仿真并与其他传统预测模型进行对比,仿真结果表明该预测模型具有较好的预测结果。其次,论文介绍了城市区域交通信号控制的相关理论。本文提出采用递阶控制结构将城市区域划分成若干子区,运用改进的短时交通流预测算法预测子区各交叉路口的相关交通流数据,并基于这些预测数据确定了关键交叉路口以及子区主干道和非主干道,通过对主干道和非主干道的交通信号控制实现对子区的控制,通过子区间的协调控制实现城市区域的交通信号控制。本文将提出的子区控制方案和传统定时控制方案进行对比,仿真结果表明提出的子区控制方案控制效果较好并具有一定的应用价值。论文最后对研究成果进行了总结,并提出了本文的不足以及有待进-步研究的方向。