本文首先对所选课题的背景和意义进行了说明，然后介绍了智能交通系统的概念：是一个跨学科、信息化、系统化的综合研究体系，其主要内容是将先进的人工智能技术、自动控制技术、计算机技术、信息与通信技术及电子传感器技术等有效的集成，并应用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。智能交通系统也是近年来一个热门的研究领域。本文还对智能交通系统目前在国内外的发展情况进行了介绍，同时，介绍了一些智能交通系统中常用的科学术语。 智能交通系统在对交叉路口的车流量进行预测时，由于车流量的非线性、随机性和离散性，常规数学模型在预测交叉路口的车流量时存在一定的困难，本文采用径向基函数对传统的BP神经网络进行改进，构造了一种具有实时预测功能的神经网络。通过具体的实例，使用数学工具MATLAB，编写了仿真程序，给出了相应的仿真曲线和预测结果，并与原始数据进行了比较和分析。分析结果表明：使用该神经网络对交叉路口车流量进行预测可以得到令人满意的预测结果。另外介绍了遗传算法，并对遗传算法结合神经网络在智能交通系统车流量预测中的应用进行了分析。 在城市交通干线协调控制方面，本文提出了利用模糊神经网络分层递阶控制的方法。采用的是两层结构：第一层为控制级，针对单个路口，对下一时间段内路口各个方向的车流量进行预测，并在此基础上计算出下一时间段内该路口的周期、相序、各个方向上的绿信比。第二层是协调级，综合主干方向的车流状况及各个路口的情况，采用模糊神经网络对各个路口的周期、相序及主干方向的绿信比进行调整。针对济南市经十路的实际情况，使用VC++6.0编程建立了济南市智能交通系统仿真平台，画面清晰直观，可以得到较为理想的仿真效果。 通过建立的预测模型和仿真平台，对城市交通干线采用模糊神经网络分层递阶控制，对预测结果和仿真结果进行分析，可以看出采用这些模型和方法可以减少车辆的停车次数和延误时间，减轻道路交通拥堵现象。为下一步将其应用于实际路口控制提供了依据。