รายงานฉบับนี้เกี่ยวข้องกับปัญหาการวิเคราะห์และควบคุมทราฟฟิกในโครงข่ายถนนขนาดใหญ่ พฤติกรรมของทราฟฟิกได้รับการวิเคราะห์โดยมุ่งเน้นประเด็นเฉพาะของเมืองใหญ่ เช่น กรุงเทพฯ ในด้านนี้งานศึกษาชิ้นนี้ได้เสนอให้ขยายแบบจำลองการเคลื่อนที่เชิงมหภาคที่ได้รับการยอมรับอย่างกว้างขวาง ได้แก่ แบบจำลองการส่งผ่านเซลล์ (cell transmission model: CTM) ในสถานการณ์ที่ทราฟิกมีพฤติกรรมแบบมัลติคลาสซึ่งเกิดขึ้นจากการมียานพาหนะหลายประเภท การทดลองต่าง ๆ ที่ศึกษานี้ได้เปรียบเทียบแบบจำลอง CTM เดิมซึ่งเรียกว่าแบบจำลองสำหรับทราฟฟิกแบบเดียว (single-class CTM: S-CTM) กับแบบจำลองแบบใหม่ซึ่งมีทราฟฟิกหลายคลาส (multi-class CTM: M-CTM) โครงข่ายตัวอย่าง 6 กรณีได้ถูกประเมินโดยเปรียบเทียบผลจำลองที่ได้กับตัวจำลองแบบจุลภาค MITSIM รวมถึงการเปรียบเทียบกับผลการวัดจากสภาพโครงข่ายจริง ผลการทดลองยืนยันความได้เปรียบของ M-CTM ที่นำเสนอว่าเป็นตัวเลือกที่ดีกว่า S-CTM นอกจากนี้ในโครงข่ายถนนขนาดใหญ่ที่มีแยกสัญญาณไฟหลายแยกนั้นการหาจังหวะเวลาสัญญาณไฟที่เหมาะสมที่สุดจะต้องมีการคำนวณต่าง ๆ อย่างมากทำให้การนำไปใช้แบบเวลาจริงทำได้ยาก เพื่อลดข้อจำกัดดังกล่าวในงานวิจัยนี้ได้ประยุกต์แนวคิดการคำนวณแบบขนานกับทั้งแบบจำลองสภาพโครงข่ายด้วย CTM รวมถึงแบบจำลองการหาค่าดีที่สุดด้วยขั้นตอนวิธีเชิงพันธุกรรม (genetic algorithm) การแบ่งโครงข่ายย่อยเพื่อการคำนวณแบบขนานได้ถูกนำเสนอและประเมินไว้สำหรับกรณีถนนสาธรของประเทศไทย ซึ่งเป็นตัวอย่างโครงข่ายที่มีการจราจรติดขัดอย่างมาก ผลการศึกษาได้แสดงว่าวิธีการคำนวณแบบขนานที่เสนอนี้สามารถช่วยลดระยะเวลาในการคำนวณได้เป็นอย่างดี ผลงานวิจัยที่รายงานนี้จึงเชื่อได้ว่าจะมีประโยชน์ในการช่วยออกแบบและประเมินกลยุทธ์ต่าง ๆ ในการควบคุมการไหลของการจราจรในโครงข่ายถนนขนาดใหญ่ต่อไปในอนาคต This report is concerned with the traffic analysis and control problem in a large-scale road network. The traffic behaviours have been analysed with emphasis on their distinct features relevant to such expanding cities as Bangkok. To that regard, this study has extended the existing well-known macroscopic mobility model, cell transmission model (CTM), to deal with the distinct behaviours of multi-class traffics that arise from the mixture of different vehicle types. Experimental results have been carried out to compare the conventional CTM or single-class CTM (S-CTM) and the new model, multi-class CTM (M-CTM). Six network test cases have been evaluated with both the comparison to the microscopic simulator MITSIM as well as to the actual measurement of network traffic conditions with the results confirming M-CTM as a more preferable choice than S-CTM. Furthermore, in a large road network with many signalized junctions, signal timing optimization can be computationally expensive and its real-time implementation is difficult. To rectify this shortcoming, this study has applied the concept of parallel computing to both network simulation model, CTM, and optimization model, Genetic Algorithm. Subnetwork division for parallel computing has been proposed and evaluated in a severely congested network, Sathorn Road, Thailand. Our study shows that the proposed parallel computing method is indeed computationally time-saving. The research findings herein reported are therefore believed to be useful to help design and evaluate appropriate strategies for controlling traffic flows in large-scale road networks in the future.