【摘要】随着城市交通问题的日益严重，传统交通调度方法已难以应对复杂的交通流量和突发事件。本文提出了一种基于强化学习的智能城市交通调度优化方法，通过自适应决策提升交通效率。将交通信号控制问题建模为多智能体强化学习问题，设计了状态空间和动作空间，并采用 Q-learning 进行优化。结合交通流量预测模型（如LSTM），提升系统的预测能力和决策精度，旨在通过自适应决策模型有效提升交通流畅度、减少拥堵并优化资源配置。