El control de Tráfico Urbano es altamento complejo y dinámico: depende de la cantidad, tipo y calidad de los datos recibidos, de las previsiones de datos a recibir, del comportamiento del tráfico (actual, pasado y en previsión), el conocimiento del control a aplicar y del entorno de actuación. En esta tesis doctoral se analizan las diferentes aproximaciones realizadas desde el ámbito de la Inteligencia Artificial para identificar las principales debilidades de estos sistemas. Como resultado de este análisis se propone una nueva aproximación basada en la integración de datos procedentes de distintos sensores (mediante la adopción de un modelo cualitativo de datos), el análisis en tiempo real de la situación del tráfico (mediante un simulador macroscópico cualitativo basado en la densidad de vehículos en cola a la entrada de las intersecciones), la identificación de problemas actuales y potenciales de tráfico (mediante un análisis temporal cualitativo de la evolución de la densidad de vehículos) y la sugerencia de ejecución de acciones de control de tiempos de rojo para reducir las congestiones de tráfico actuales, evitar que evolucionen a situaciones de colapso y evitar congestiones futuras. Se define y diseña un prototipo con arquitectura multiagente que integra las características mencionadas. Su implementación se realiza en un sistema distribuido COTS. La ejecución del prototipo en pruebas de laboratorio (con datos reales de la ciudad de Castellón de la Plana) proporciona resultados que avalan la aproximación realizada.