高速公路交通控制是智能运输系统的重要组成部分，针对传统交通控制技术的缺陷，近年来人们开始把先进的理论和技术应用到高速公路交通控制中。本文详细探讨了高速公路交通控制的多种智能方法，把智能控制理论与其它先进技术相结合，对高速公路交通控制中的几个重要问题进行认真研究。 论文的主要工作和研究成果如下： 1．提出用动态回归神经网络建立高速公路宏观交通流模型。分析了离散的高速公路交通流数学模型，建立了Elman回归神经网络模型，采用一种改进的算法得到神经网络的权值，并将此回归神经网络应用到一条5路段的高速公路中。仿真实例表明，Elman回归神经网络对交通流数学模型能很好地逼近，与反向传播神经网络和径向基函数神经网络模型相比较，Elman回归神经网络具有训练步数最少、训练误差很小、泛化能力好等优点，Elman回归神经网络模型能快速地、准确地描述交通流的真实行为。 2．提出一种模糊逻辑方法控制高峰期间进入高速公路的车辆数目。分析了模糊逻辑控制器的基本结构，阐述了模糊控制算法，给出了具体的隶属度函数，根据高速公路上游、下游及入口匝道上安装的传感器检测到的流量、速度、占有率、匝道排队长度等信息，设计了入口匝道模糊逻辑控制器。仿真结果表明该方法切实可行，它能避免高速公路主线交通拥挤和堵塞，提高主线的通行能力，实现车辆在高速公路上高效、安全地运行。 3．提出一种非线性反馈方法用模糊逻辑进行入口匝道控制。建立了高速公路交通流动态模型，在此基础上，结合模糊逻辑理论设计了非线性反馈模糊逻辑匝道控制器，根据密度误差和误差变化用模糊控制决定匝道调节率，模糊变量选用三角形隶属度函数，并制定了包含56条模糊规则的规则库，最后用Matlab软件进行仿真研究。为了比较，还设计了非线性反馈比例积分匝道控制器，仿真结果表明，两种非线性反馈控制器都能使高速公路主线交通密度保持为设定的期望密度，但非线性反馈模糊逻辑控制器的性能比非线性反馈比例积分控制器的性能更为优越。 4．采用递阶结构解决高速公路多路段的协调控制问题。建立了宏观交通流有限差分模型，然后结合交通系统的特点提出一种多层控制结构，把高速公路的控制问题分为适应层、协调层和直接控制层。直接控制层采用模糊控制或比例积分控制决定各匝道的调节率；协调层为直接控制层确定期望密度；适应层根据实时检测到的交通状况选择模型和调整模型参数。仿真结果表明，协调控制具有良好