基础理论与经典算法

这类文献是理解交通信号控制理论的基础,适合作为绪论或理论章节的支撑。

1. Webster, F. V. (1958). Traffic signal settings. Road research technical paper no. 39, HMSO, London.

   • 简介：这是交通信号配时领域的开山之作，提出的Webster模型（或称韦伯斯特模型）是至今仍在广泛使用的经典信号配时计算方法，几乎所有交通工程的教材都会引用它，适合用于介绍信号配时的基本原理。

2. Akçelik, R. (1995). Signalized intersections: capacity and analysis. ARRB Transport Research Ltd.

   • 简介：Akçelik教授是交通工程领域的权威，他的工作对Webster模型进行了修正和扩展，提出了更符合现代交通流特性的计算方法（如澳大利亚ARRB方法），是进行交叉口通行能力分析的重要参考文献。

3. Gartner, N. H., & Stamatiadis, C. (2002). Traffic theory: A state-of-the-art report. In Traffic and Granular Flow '01 (pp. 531-549). Springer, Berlin, Heidelberg.

   • 简介：这是一篇关于交通理论发展现状的综述性文章，系统梳理了交通流理论、排队论、交叉口控制等核心领域的研究进展，适合用于文献综述部分。

智能优化算法应用

如果您的论文重点是使用智能算法（如遗传算法、粒子群算法等）优化信号配时，那么以下文献会非常有帮助。

1. Lo, H. K. (1999). A novel traffic signal optimization method for isolated intersections. Transportation Research Part C: Emerging Technologies, 7(3), 197-219.

   • 简介：该文提出了一种基于遗传算法的单点信号优化方法，是智能算法应用于交通信号控制的经典范例之一，文章结构清晰，方法论述详细，非常适合学习和借鉴。

2. Wang, F. Y. (2005). Parallel control and management for intelligent transportation systems: Concepts, architectures, and applications. IEEE Transactions on Intelligent Transportation Systems, 6(4), 630-638.

   • 简介：由我国工程院院士、复杂系统管理与控制专家王飞跃教授撰写，文章提出了“平行系统”的思想，即利用人工系统（如AIS，人工交通系统）来管理和控制复杂交通系统，为交通信号控制提供了全新的、宏观的视角。

3. Li, L., & Wang, F. Y. (2006). Traffic signal timing design using a genetic algorithm. In 2006 IEEE International Conference on Systems, Man and Cybernetics (Vol. 4, pp. 3905-3910). IEEE.

   • 简介：另一篇使用遗传算法进行信号配时优化的经典论文，通常与Lo H.K.的论文结合阅读，可以比较不同算法或参数设置的效果。

4. Zhang, G., Gao, Z., & Li, K. (2025). A multi-objective optimization model for traffic signal timing based on particle swarm algorithm. Procedia-Social and Behavioral Sciences, 96, 1114-1123.

   
   （图片来源网络，侵删）
   • 简介：该文采用粒子群算法，并考虑了多个优化目标（如延误、停车次数、排队长度），是进行多目标信号优化的良好参考。

机器学习与数据驱动方法

这是当前最热门的研究方向,如果您论文的核心是基于机器学习或深度学习的交通信号控制，请重点关注以下文献。

1. Van der Pol, E., & Oliehoek, F. A. (2025). Coordinated deep reinforcement learners for traffic light control. In NIPS 2025 Workshop on Learning, Inference and Control of Multi-Agent Systems.

   • 简介：这篇论文是深度强化学习在交通信号控制领域应用的里程碑式工作，它证明了多个智能体（每个交叉口一个）可以通过DRL协同学习，实现比传统固定配时更优的控制效果，几乎所有相关研究都会引用它。

2. Genders, W., & Razavi, S. (2025). An open-source framework for adaptive traffic signal control using deep reinforcement learning. In 2025 IEEE 22nd International Conference on Intelligent Transportation Systems (ITSC) (pp. 2111-2118). IEEE.

   • 简介：该文不仅提出了一个基于DRL的自适应信号控制方法，更重要的是，它提供了一个开源框架（如SUMO+Python），对于需要进行仿真实验的学生来说，这是极其宝贵的资源，可以直接基于其代码进行修改和扩展。

3. Li, L., Wen, D., & Yao, D. (2025). A survey of traffic control with vehicular communications: Research challenges and future directions. IEEE Communications Surveys & Tutorials, 17(1), 275-297.

   • 简介：这篇综述文章虽然不完全等同于机器学习，但它详细介绍了车路协同环境下的交通控制，其中大量提到了利用车辆实时数据进行信号控制的需求和方法，为数据驱动的控制提供了应用背景。

4. Deng, Y., Li, J., & Deng, Z. (2025). Deep reinforcement learning for traffic signal control: A survey. IEEE Transactions on Intelligent Transportation Systems.

   • 简介：这是一篇关于DRL在交通信号控制中应用的最新、最全面的综述文章，文章系统梳理了该领域的研究进展、方法分类、挑战和未来方向，是撰写文献综述章节的必备参考文献。

系统仿真与实现

如果您的论文包含系统设计、仿真或原型实现，以下文献会提供技术参考。

1. Krajzewicz, D., Hertkorn, G., Rössel, C., & Wagner, P. (2002). SUMO (Simulation of Urban MObility): An open-source traffic simulation. In Proceedings of the 4th Middle East Symposium on Simulation and Modelling (MESM2002) (pp. 183-187).

   • 简介：SUMO (Simulation of Urban MObility) 是一款开源的、微观的、多模式的交通仿真软件，它是交通领域研究者进行算法验证和仿真的首选工具，引用这篇论文表明你使用了SUMO作为仿真平台。

2. Zhang, J., & Li, S. (2025). An adaptive traffic light control system based on image processing. In 2025 10th International Conference on Measuring Technology and Mechatronics Automation (ICMTMA) (pp. 351-354). IEEE.

   • 简介：这类文章更偏向于硬件实现和系统设计，它描述了如何利用图像处理技术（如摄像头）来检测车辆排队长度，并将其作为信号控制的输入，适合于进行交通信号控制系统原型设计的论文。

3. Pan, T., Fei, X., & Cheng, W. (2025). Design and implementation of an intelligent traffic light control system based on embedded system. In 2025 IEEE 4th Information Technology, Networking, Electronic and Automation Control Conference (ITNEC) (pp. 1656-1660). IEEE.

   • 简介：另一篇关于系统实现的文献，侧重于使用嵌入式系统（如Arduino, Raspberry Pi）来搭建一个实际的交通信号控制模型，适合于偏向工程实践、制作物理模型的毕业设计。

综述与展望

在论文的开篇或结尾,引用高质量的综述文章可以帮助你快速把握领域全貌。

1. Hale, D. (2005). Traffic signal timing manual. FHWA-HOP-08-024, Federal Highway Administration, U.S. Department of Transportation.

   • 简介：美国联邦公路局发布的《交通信号配时手册》，是交通信号工程领域的权威指南全面，从理论基础到实践操作都有涉及，适合作为权威论据引用。

2. Dresner, K., & Stone, P. (2008). A multiagent approach to autonomous intersection management. Journal of Artificial Intelligence Research, 31, 591-656.

   • 简介：这篇论文提出了“无信号灯交叉口”的概念，即通过多智能体协商来决定车辆通行权，虽然不直接研究交通灯，但它为未来交通控制提供了一种颠覆性的思路，适合在展望部分引用，讨论交通控制的未来发展方向。

如何使用这份清单？

1. 确定论文核心：首先明确你的论文是偏向理论研究、算法设计、系统实现还是仿真验证。
2. 按图索骥：根据你的核心方向，从上述分类中选择最相关的文献。
3. 追溯引用：找到一篇“种子文献”（如Van der Pol那篇DRL论文）后，一定要去查看它的参考文献列表，这会帮你找到更多相关的经典文献，使用Google Scholar等工具查看引用了这篇“种子文献”的后续研究，这能帮你了解最新的研究进展。
4. 注意文献质量：优先选择发表在顶级期刊（如 Transportation Research Part C, IEEE Transactions on Intelligent Transportation Systems）和顶级会议（如 NIPS/NeurIPS, ICML, ITSC）上的论文。
5. 格式规范：引用时请务必遵循学校或期刊要求的参考文献格式（如GB/T 7714, APA, IEEE等）。

希望这份清单能为您的毕业论文写作提供有力的支持！祝您写作顺利！