信号交叉口是城市路网中的重要场景,传统交通信号控制方法基于宏观交通流特性对交叉口附近的交通进行控制。而动态变化的车辆微观驾驶行为对路段交通运行有重要影响,不合理的车辆驾驶行为将导致传统交通信号控制方法难以发挥控制效能,进一步降低信号交叉口的通行效率和燃油经济性。车联网与智能网联汽车（Connected and Automated Vehicle,CAV）技术的发展为基于宏观交通流特性的信号控制和基于微观驾驶行为的车辆控制提供了新的思路。协调交通信号与车辆轨迹控制的耦合关系,将显著提升交叉口通行效率和燃油经济性。基于上述背景,本文以网联信号交叉口为研究场景,以网联信号交叉口通行效率与燃油经济性协同最优为目标,对网联交叉口交通信号-车辆轨迹协同控制方法进行了系统研究。主要工作如下:（1）在调研国内外研究现状与开展交叉口行车冲突及消解策略分析和交叉口燃油经济性提升策略分析的基础上,研究并归纳了适应网联信号交叉口的典型车路协同应用场景工作机制,进而完成了完全智能网联环境下和混合交通环境下的信号交叉口协同控制场景构建。（2）论文针对完全智能网联环境下信号交叉口车路协同控制问题,在开展智能网联信号交叉口场景建模的基础上,首先,研究提出了一种基于CAV编队与分层解耦的车路协同控制模型,包含上层交通信号优化和下层车辆最优轨迹控制两部分;然后,基于交通信号与车辆行为约束设计,并构建了一种以最小化平均旅行时间延误为优化目标的交通信号优化模型,并基于遗传算法进行优化求解;最后,在设定的车辆跟驰模型、油耗模型与安全约束下,构建了一种以最小化车辆平均燃油消耗为目标的CAV轨迹控制模型,并基于车辆最优控制算法完成了模型求解。（3）针对混合交通环境下信号交叉口车路协同控制问题,首先,以构建的CAV与人工驾驶网联汽车混行的“双环8相位”信号交叉口场景为研究对象,研究设计了一种“1+N”的混合车辆编队模式,并采用解析法寻找混合队列稳定性区间,通过构建混合交通的宏观交通流基本图模型验证了队列模式的可行性。然后,以交叉口平均行驶延误时间和平均燃油消耗量为优化目标,通过改进分层解耦式协同控制模型,研究提出了一种基于滚动优化算法的车路协同控制方法,并完成了控制模型的优化求解。（4）基于SUMO仿真平台分别搭建了完全智能网联环境下和混合交通环境下的仿真测试场景,并选取平均旅行时间延误和平均燃油消耗为评价指标,以定时信号控制、固定配时下的绿波车速引导以及信号配时自适应控制方法作为比对方法,通过设计多种交通流量测试工况,对论文提出的协同优化控制方法的有效性和可靠性进行了仿真测试验证。测试结果表明,在完全智能网联环境下,提出的协同控制方法在设计的各种交通流量工况下,均能够有效提升交叉口通行效率和燃油经济性;且与比对方法相比,体现了较好的控制效能。在混合交通环境下,提出的协同控制方法在设计各种交通流量与渗透率工况中,均能有效提升交叉口交通通行效率与燃油经济性;且随着CAV渗透率地提升,通行效率与燃油经济性提升更为显著;此外在非严重拥堵交通环境下,CAV渗透率仅为20%即能够实现交通通行能力的显著提升。