近三十年来,中国经济持续发展,许多家庭拥有小汽车,道路交通拥堵经常出现。拥堵更容易产生交通事件,同时带来更多的尾气排放和噪声污染。如何利用现代管理知识和先进控制技术解决交通拥堵问题是一个研究热点,具有重要的现实意义。本文研究快速路入口匝道控制,利用元胞模型来描述快速路交通流演化过程,分别用模糊控制、改进的小脑神经网络PID复合控制、PD型迭代学习控制设计匝道控制器,使主线交通密度达到所需的期望状态,从而减缓或消除主线拥堵。具体研究工作和创新如下:（1）研究了道路元胞模型。依据流量、密度之间的关系,建立了元胞i传输流量方程和四种元胞密度方程,这四种元胞分别为混合元胞、汇入元胞、分离元胞和单一元胞。（2）基于元胞模型设计了快速路入口匝道模糊控制器。用元胞模型来描述主线交通流演化过程,确定了相关变量的隶属度高斯曲线,制定了模糊决策过程中使用的30条规则,利用反馈技术构建了主线密度闭环控制结构,并对一条16个元胞的快速路进行了仿真验证,证明了模糊逻辑方法具有较好的密度跟踪能力,能使拥堵的交通流转化为正常交通流。（3）基于元胞模型设计了快速路入口匝道改进的小脑神经网络PID复合控制器。阐述了小脑网络结构与算法,依据贮存单元占用的次数来调整网络权值,利用反馈技术和前馈网络构建了主线密度复合控制结构,并对一条16个元胞的快速路进行了仿真验证,证明了复合控制很好的密度跟踪能力,能使拥堵的快速路恢复到正常运行状态。（4）基于元胞模型设计了快速路入口匝道迭代学习控制器。阐述了迭代控制目标,利用PD型迭代学习控制构建了主线密度控制结构,并对一条16个元胞的快速路进行了仿真验证,证实了迭代学习方法优越的密度跟踪能力和良好的抗噪声扰动能力,它能很好地消除快速路交通拥堵。文中还比较了三种控制策略的控制效果和控制性能。从总体来看,模糊控制在初期阶段的控制性能要优于经典的ALINEA方法,复合控制和迭代学习控制在初期阶段的控制性能和抗噪声干扰能力比模糊控制更好。在后期阶段,三种方法的稳态性能相同。