交通问题已成为制约城市经济发展的一个重要因素，如何设计出智能的、可靠且可行的控制算法已成为目前交通领域的研究重点。交通流预测是智能交通控制的前提和基础，由于交通流的非线性，很难为其建立精确的数学模型，论文采用改进小波神经网络对交通流进行预测，充分利用了小波基函数的非线性、高精度以及神经网络的自适应学习能力，提高了交通流预测的准确度和精度，为交通流预测提供了一种有效的方法。文中设计了交叉口绿灯时间调整量模糊控制器，此模糊控制器以预测出的主、次干道交通流为输入，以主干道绿灯时间调整量为输出。另外，为了干道协调控制，还设计了相位差调整量模糊控制器，此模糊控制器以预测出的主干道交通流为输入，以交叉口的相位差调整量为输出。采用模糊控制算法，可以充分利用模糊控制器的优点，减少控制系统参数，使系统易于实现和控制。交通控制算法在投入运行之前必须经过验证，目前，比较可行且经济的办法是进行交通仿真。在研究了TSIS RTE接口的基础上，论文给出了RTE配置和开发流程，并实现了基于模糊控制的RTE。经仿真验证，采用基于模糊的控制算法可以有效的减少网络车辆延误时间，车辆行驶畅通，交通拥挤情况得到明显改善，交通状况得到改善和提高。