高速公路智能控制系统是智能交通领域的一个重要研究方向,尤其是多匝道控制是目前研究的重点和难点,具有重要的理论意义和使用价值。模糊神经网络是智能技术的一个重要分支,它是神经网络与模糊系统的有机结合,具有强大的自学习和自适应功能。本文利用模糊神经网络的建模和学习方法,对高速公路多匝道控制系统算法进行设计,并进行仿真。在匝道控制基础准备的研究中,论文通过对高速公路控制常用的宏观交通流模型的分析,针对高速公路进行实时控制时需要使用预测交通流数据和多匝道控制信息协调处理时产生的时间延误问题,提出使用短时交通流预测数据并利用卡尔曼滤波方法进行短时交通流预测的方法并加以实现。在匝道控制研究中,首先对高速公路匝道控制的目标及意义进行了分析,并介绍了高速公路入口匝道控制的几种有效算法,并分析了其特点;其次,具体针对匝道交通流特性,利用匝道交通流模型配合宏观交通流模型的方法进行控制模型中匝道交通流数据的计算;再次,通过分析模糊控制、神经网络控制和模糊神经网络理论和算法,在实例中建立了模糊神经网络匝道控制模型及算法,并建立了协调层神经网络协调模型及算法;接下来,利用智能运输系统中的大系统理论的思想和方法,建立了高速公路多匝道控制系统结构,将高速公路多匝道控制系统分为目标控制层、协调层和直接控制层。其中,运用模糊神经网络实现直接控制层的实现,运用神经网络实现协调层的实现。最后,本论文利用MATLAB软件进行了高速公路多匝道的协调控制仿真,并取得了较好的效果。