为缓解交通压力，减少道路建设资金投入，减少车辆延误，节能减排，建设和谐的交通环境，智能交通信号控制的设计是建设资源节约型社会的必然选择。
现有的交通信号控制系统主要分为定时控制和感应控制两类。定期控制不能根据车辆流量动态调整延迟时间，可能导致车辆延迟时间长、不必要的拥堵：感应控制可根据车辆流量状态采用不同的控制模式，但大多数研究只能单独控制某一点，不能实时、多点、联合测试、联动控制。
本文设计了一个基础WSN' target='_blank'>无线传感器网络智能交通控制，利用传感器节点收集交通信息，智能交通控制终端根据收集的交通信息，选择合适的交叉控制模式，调整交叉绿信比，协调各交叉周期的确定和交叉之间的相位差，适应控制车辆交通时间，从而保证车辆交通质量，实现交通信号控制的智能化和网络化。
1 路口控制模式
传统的交叉控制模式是定期控制，先进的交叉控制模式包括模糊控制、绿波带模式、夜间模式和紧急停止模式。模糊控制模式是根据随机车流智能完成模糊增减交通信号控制时间。单向车辆高峰时段，绿波带模式将各路口红绿灯开始点亮，延迟一定数量，确保车辆一路畅通。夜间控制模式可在夜间车辆流量为零负荷状态下使用，只使用黄灯警告驾驶员减少能耗和时间消耗。紧急停车模式可为紧急车辆开辟通行空间，在紧急车辆方向开绿灯，在其他方向开红灯。本设计提出在9:00~11:30、14:30~17:30、20:30~24:00期间采用不同的控制模式；5:30~9:00、11:30~14:30、17:30~20:30采用绿波带模式；0:00~5:30采用夜间控制模式；检测紧急车辆时采用急停控制模式。信号机可根据具体区域或车辆流量重新设置或修改具体时间段。通过选择多种控制模式，可以实现交通控制的合理化，际缓解交通路口的压力。
2 智能交通控制设计
2.1 基于多Agent智能交通控制模型
多Agent系统(MAS)一直是人工智能领域的研究热点，MAS具有主动性、层次性、动态性和可操作性等优点。在MAS合作不仅可以不仅可以改善个人Agent以及由多个Agent系统的整体行为性能得到提高Agent与多Agent系统解决问题的能力也能使系统更灵活。国内外研究表明。与传统的建模方法(如还原方法、归推理方法等)相比，MAS复杂的系统特征可以更好地描绘建模。MAS建模主要用于表现复杂的情况(个体有复杂、不同的行为和交互)Agent复杂适应系统的建模是复杂系统建模的重要方法Agent互动与合作是多个Ag-ent在开放和动态的环境中，个体在资源有限的情况下实现多个目标的关键。
交通信号控制系统是一个典型的复杂系统，具有时间变化、非线性等特点。它由许多密切而复杂的不同领域和功能的子系统组成。目前，不考虑与其他系统的集成与合作，各种交通子系统都接受了自己的优化目标运行，使得交通系统难以达到最佳水平。智能交通的发展趋势是综合分析和协调各种交通子系统。本文构建了多基础Agent如图1所示，智能交通控制模型。