交通运输业是国民经济中具有全局性和先导性的基础产业,高速公路作为现代化交通基础设施,以其通行能力大,行车速度高的特点,成为适应现代产业结构发展中的骨干运输方式和重要通道,高速公路的交通控制是高速公路完善程度的重要标志,而对匝道控制的研究将能更加完善我国的高速公路控制体系。近几年高速公路的交通量以非常迅速的速度增加,交通流量的增加直接导致交通堵塞及交通事故的增加。目前许多地区的高速公路都采用智能运输系统(ITS)技术来减少堵塞和确保安全、快速、高效的运行。首先本文介绍了高速公路交通流控制的意义及国内外入口匝道控制研究的现状。其次详细的介绍了交通流的几种宏观模型及BP神经网络与RBF神经网络。最后,考虑到高速公路交通系统本身是非线性、随机性、时变性、不确定性的复杂系统,用传统的数学模型很难准确地描述;同时神经网络在高速公路交通流匝道控制中已广泛应用。本文建立了一个包含神经网络的无模型的高速公路入口匝道控制系统。神经网络输出为入口匝道的放行率(即控制变量),并详细地阐述了神经网络的结构和训练算法,其中训练算法采用了SPSA(simultaneous perturbation stochastic approximation)方法。理论分析和仿真表明,该方法能有效的对高速公路入口匝道实施控制,具有较强的鲁棒性、自适应性和自学习性,且比一般的神经网络模型具有更强的在线控制能力。