交通拥堵日益成为大城市面临的主要交通问题,干线协调控制是缓解交通拥堵的有效方式,而周期和相位差一直是进行协调信号控制的关键参数,但是基于固定流量和相位差的协调控制与现实交通环境的多变性不适应。随着车辆识别和电信技术的发展,可以从数据库中获得高精度的图像数据和经过处理的车辆信息数据,这些数据可以为干线协调控制提供实时的交通数据,根据不同的交通状态,制定可行、可靠的协调方案,进而能够有效地提高道路通行能力和缓解交通拥堵。本文立足于车牌数据,首先对车牌数据进行预处理,并从数据中提取实时交通流量和行程时间等交通参数。以最小延误和停车次数为优化目标,根据上游车辆驶离和车辆行程时间分布建立车辆离散模型,进行车辆延误和停车次数预测。其次基于无信号延误行程时间分别利用马尔科夫模型和时间序列法对周期和相位差进行优化,基于预先设定的最小、最大绿灯时间和相序,利用动态规划理论对模型进行求解。最后以济南市经十路5个连续路口为例,利用SUMO对优化方法进行仿真验证。结果表明,相比现状和图解法,本文方法在协调相位上,平均交通延误和平均停车次数分别优化18%和16%,在非协调相位上,结果和图解法大致相同,相比现状提高9%。车牌数据的利用为干线协调控制优化提供了新方法,优化后的交通延误和停车次数优于现状和图解法,证明了本文方法的有效性。