کارایی شبکه حمل و نقل متأثر از متغیرهای تصمیم گیری و عملکردی متفاوتی می باشد. بعضی از این متغیرها مربوط به الگوهای بارگذاری در شبکه بوده
و دسته ای دیگر مربوط به کنترل جریان وسائل نقلیه در شبکه می باشند. در شبکه راه های شهری، چراغ های راهنمایی برای کنترل حرکت های وسائل نقلیه در راستای کاهش تراکم ترافیک و افزایش ایمنی در تقاطعات استفاده می شوند. شناخت الگوهای ترافیکی نقش بسیار اساسی در افزایش کارایی چراغ های راهنمایی دارد. در این مطالعه از شبکه های عصبی مصنوعی به عنوان شبکه های تقریب ساز در جهت پیش بینی وضعیت ترافیک و از الگوریتم ژنتیک به عنوان یک ابزار مناسب برای جستجوی یک زمان بندی بهینه از میان زمان بندی های احتمالی گسترده در یک شبکه شامل تقاطعات متوالی استفاده شده است. دراین نوع مطالعه برای ارزیابی معیار کارایی یک شبکه که تأخیر می باشد، به جای استفاده از روابط ریاضی تقریبی از سابقه ی آماری خود تقاطعات استفاده می شود. نتایج نشان دهنده این موضوع است که روش پیشنهادی هم از لحاظ خطا و هم زمان محاسبات در وضعیت مناسبی قرار دارد و نسبت به نرم افزار بهینه ساز سینکرو تأخیر را به میزان بیشتری کاهش می دهد.