本文基于无模型自适应控制（Model-Free Adaptive Control,MFAC）理论对城市交通网络信号控制领域进行了深入的研究。其意义在于,城市交通网络的信号控制不再依赖交通网络的模型信息,仅利用城市交通系统的输入/输出数据即可进行交通信号控制器的设计。论文的具体研究内容和创新点总结如下:一、针对城市交通网络中存在一个拥堵区域,并导致交通负荷不均衡的问题,提出了一种基于MFAC的单区域城市交通网络分层递阶边界控制方法。在拥堵区域的边界上,对各交叉口各相位的绿灯时间进行优化,以限制进入拥堵区域的车辆数量。在拥堵区域的内部,对区域内的交通流分布进行优化,以提高网络内部的交通效率。边界控制器使用了集中式MFAC控制方法,而内层控制器则使用了分散估计分散控制型MFAC控制方法,以得到拥堵区域的边界上和拥堵区域内部的各信号相位绿灯时间。最后,基于中国山东省潍坊市交通网络的实际交通需求和网络结构拓扑,使用VISSIM仿真平台和MATLAB软件进行联合仿真,验证了所提方法的可行性和有效性。二、针对多区域交通网络中区域间的交通流平衡和协调问题,提出了一种多区域交通网络的分布式无模型自适应预测控制方法。首先,将网络中各区域的交通系统非线性动力学进行动态线性化,得到各区域的MFAC数据模型。然后,基于此数据模型设计交通网络的分布式预测控制器,以优化各区域中的车辆数,提高交通流效率。最后,基于中国山西省临汾市交通网络的实际交通需求和网络结构拓扑,使用VISSIM仿真平台和MATLAB软件进行联合仿真,验证了该方法的可行性和有效性。三、针对城市交通流的相似性和重复性特征,提出了一种基于无模型自适应迭代学习控制（Model-Free Adaptive Iterative Learning Control,MFAILC）的交通网络分散式控制方法。首先,沿迭代轴对交叉口的非线性动力学进行动态线性化,将其转换为MFAILC数据模型。然后,以最小化各交叉口的不同进口路段之间的排队长度之差为控制目标设计交通网络的分散式MFAILC控制器。最后,使用一个简单的四交叉口网络对所提控制方法进行了仿真验证。四、提出了一种基于MFAILC方法的交通网络集中式控制策略以及交通数据丢失补偿方法。首先,沿迭代轴对城市交通网络的非线性动力学进行动态线性化,并将其转换为MFAILC数据模型。然后,基于MFAILC交通网络数据模型设计交通控制器来最小化交通网络中的车辆数。最后,针对城市交通网络中的交通数据丢失问题,提出了一种基于MFAILC的交通数据丢失补偿方法。基于中国山西省临汾市交通网络的实际交通需求和网络结构拓扑,使用VISSIM仿真平台和MATLAB软件进行联合仿真,验证了该方法的可行性和有效性。