本公开提供了基于多智能体强化学习的区域交通优化控制方法及系统，涉及区域交通控制技术领域，单智能体动作价值网络采用集中式训练、分布式执行，包括：将所有交叉口的局部状态观测作为输入，输入至单智能体的动作价值网络中，使用多头注意力机制对交通区域某T时刻的各个交叉口重要程度分配权重，利用超网络对多头注意力机制产生的高维度数据进行融合，分布式输出各个动作的价值，选取最大价值所对应的动作，决策出各个交叉口在全局下的最优动作，实现对区域交通的最优控制。