本发明公开了一种基于多榜样学习粒子群的智慧城市信号灯配时优化方法，主要涉及智慧交通控制和智能优化算法领域。本方法针对传统粒子群算法应用于信号灯优化配时场景时容易陷入局部最优的问题，采用一种新的多榜样学习策略，该策略使粒子在向自身最优位置和全局最优位置学习的同时向其他粒子的不同维度榜样学习，有助于增强算法多样性避免陷入局部最优位置。此外，本方法在生成初始粒子种群时采用了知识嵌入辅助策略，将交叉路口输入车流量的分布特征作为前置知识，用于辅助初始种群的生成。在单交叉路口不同饱和度车流量的优化结果显示，本方法相对于其他配时优化方法在保证收敛速度前提下多样性更好，优化得到的配时方案综合表现能力更好。