在高速公路控制方法中，入口匝道控制是应用最广、效果最好的一种控制方法。论文对现有入口匝道控制方法进行分类总结，指出智能控制是解决高速公路交通问题的有效途径。 根据常用的高速公路交通流宏观动态模型，建立了高速公路交通流的RBF神经网络模型。在此基础上，利用预测控制算法的对模型形式无限制，对模型失配、时变、干扰等不确定因素影响适应性强等优点，实现了基于遗传算法的入口匝道神经网络预测控制。 首先，针对高速公路交通系统的非线性、不确定性，无法得到精确的数学模型的特点，利用神经网络对非线性系统良好的逼近能力，建立了基于MATLAB神经网络工具箱的高速公路交通系统的RBF神经网络模型。仿真结果表明，该模型可以较准确地描述交通流的真实行为，并能够适应交通状况的变化。 其次，针对交通系统具有的非线性、滞后性、不确定性和强扰动等特点，选用了具有模型预测、滚动优化和反馈校正三大优点的预测控制算法，利用简单实用、鲁棒性强的遗传算法实现控制量的滚动优化。 论文提出的基于遗传算法的入口匝道神经网络预测控制，与无控制情况下的结果进行比较，证明了预测控制的有效性。通过更进一步与最优控制的抗干扰能力进行比较，证明了预测控制具有很好的鲁棒性。因此，入口匝道预测控制能够使主线交通流不堵塞，对提高主线的通行能力，改善高速公路运行的安全和效率具有重要的意义。