城市交通控制系统对车流量调度的效率将直接影响城市的交通状况,高效的交通控制系统能够明显缓解城市拥堵的情况。经调研,大部分城市的交通信号灯依旧采用固定时间的调度策略,这种调度策略对于交通流量变化较大的时段控制效果不理想。因此,研究一种能够根据车流量的变化智能调节车辆通行时间的交通控制系统具有重要意义。针对城市交通随机性、复杂性、不确定性等特点,提出基于神经网络的智能交通控制系统设计方案。人工神经网络具有自学习和自适应的能力,对于无法建立准确数学模型的系统具有很好的适用性。论文根据交叉路口的通行特点,提出四个输入神经元与四个输出神经元的BP神经网络模型。通过运用BP神经网络控制算法对交叉路口四个方向的交通流量与对应通行时间进行训练,利用训练后的神经网络预测排队车辆所需通行时间。论文利用MATLAB仿真分析,证明了基于交叉路口的BP神经网络模型可以用于预测排队车辆的通行时间。本文设计的智能交通控制系统主要功能模块包括：硬件电路模块、图像采集与DSP处理模块和远程上位机软件。硬件电路模块包括主控模块、驱动模块、硬件黄闪模块等。主控模块是整个控制系统的核心,负责协调调度各个功能模块；驱动模块的功能是驱动220V交通信号灯以及对故障信号灯进行检测和故障上传。硬件黄闪模块则采用纯硬件电路设计,当交通信号机出现故障时,以固定周期闪烁所有黄色信号灯,提醒车辆驾驶人员减速慢行。图像采集与DSP处理模块负责通过图像采集方式提取出停车等待的车辆数,并且根据训练后的神经网络模型对车辆通行时间进行预测。远程上位机软件则实现了远程监控信号机的功能。系统使用DSP处理器实现BP神经网络控制算法,利用交通车辆样本进行算法训练,通过不断调整神经网络的权值和阈值,最终使得仿真结果满足误差要求。CAN总线作为通信总线,提高了整个系统的可靠性和实时性。同时在系统中加入了抗干扰设计,进一步提高了系统稳定性。该系统为交通信号机的开发提供了一种新的解决方案,能够提高车流量的调度效率。