高速公路是道路网最重要的组成部分,如何实现其高效、安全和舒适功能,一直是社会各界尤其是交通界研究的重要课题。高速公路主线限速值的影响因素众多,其与道路上的交通量有关、与交通组成有关、与道路线形有关、与气象条件有关,且这些影响因素多是随机的、不可控的,所以限速值的确定方法很难用精确的模型进行描述。因此,论文在对限速值影响因素进行详细分析的基础下,提出用智能算法建立交通流限速值模型。论文结合了车辆性能、安全性和舒适性等因素,选择性能适中的车辆为研究对象,保证事故死亡率及舒适度在相应允许范围,采用大中求小的数学方法对基准值进行求解。详细分析了高速公路主线限速值的影响因素,主要有交通量与交通组成、道路线形、能见度与路面摩擦系数。其中,能见度与路面摩擦系数影响因素采用能同时反映能见度和路面摩擦系数与最大行车速度间关系的AASHTO停车视距模型。现有研究直接根据影响因素的影响程度对基准限速值加以修正,忽略了影响因素间的相互干扰,导致最终获得的限速值偏小。论文结合了模糊逻辑算法能建立语言规则的特点和神经网络算法自适应能力和自学习能力强的特点,提出了径向基模糊神经网络算法,对影响因素的修正值进行合理的调整,用调整后的修正值对基准限速值进行修正,最终获得高速公路主线限速值。分别采用了模糊逻辑、径向基神经网络、径向基模糊神经网络等算法进行了高速公路主线限速值确定研究。结果表明,论文提出的算法是有效的,体现了模糊逻辑算法及神经网络算法的优点,表明了该算法的可行性。将智能算法应用于高速公路主线合理限速值确定方法研究中,使得限速值确定方法不再依赖精确的数学模型,增强了鲁棒性。该方法有很强的实用价值,可有效增加高速公路通行能力、减少行程时间,进而减少事故的发生,降低驾驶员的驾驶强度。