随着经济的快速发展和汽车的普及,高速公路交通拥挤已经成为困扰世界各国政府的严重社会问题。为了有效地解决高速公路交通问题,一方面可以修建更多的高速公路；另一方面可以对交通量进行合理地调节与控制。入口匝道控制是高速公路交通控制的重要内容,针对传统的交通控制技术的缺陷,本文把智能控制应用到高速公路交通控制中,详细探讨了入口匝道控制的几种智能方法,论文的主要工作如下：(1)针对高速公路交通系统非线性和时变性的特点,设计了一种模糊自适应PID控制器,并应用到高速公路匝道控制中。首先,建立了描述高速公路车流过程的交通模型。基于此模型并结合非线性反馈理论,设计了模糊PID匝道控制器。匝道调节率由PID控制器决定,而PID的参数由模糊逻辑根据密度跟踪误差和误差的变化来调整。高斯曲线和三角曲线被用于描述模糊变量的隶属度函数。模糊规则库由49条模糊规则构成。最后,该控制系统用MATLAB软件仿真,结果表明控制器有很快的响应速度,良好的动态和稳态特性。它能使高速公路主线在期望的密度上运行,能使车辆更加高效安全地行驶。(2)用模糊RBF神经网络匝道控制器去处理基于宏观交通流模型的高速公路交通流密度问题。首先,建立了描述高速公路交通的宏观交通流模型。然后,分析了模糊RBF神经网络的结构和功能,结合非线性反馈理论设计了模糊RBF神经网络整定的PID匝道控制器。根据实时的交通状态,模糊RBF神经网络动态的调整PID参数以得到最小密度跟踪误差。最后,控制器用MATLAB软件仿真,仿真结果表明设计的控制器有很好的动态和稳态性能,能使高速公路主线取得一个期望的交通密度。(3)协调匝道控制基于整个高速公路系统交通情况,它与只依赖局部的匝道附近交通信息的匝道控制相比在改善高速公路交通环境方面有着更为可观的前景。提出了一个应用于协调匝道控制的多层控制策略和遗传算法优化。首先,建立了描述高速公路交通流变化的宏观模型。然后,设计了协调的匝道控制系统。在这个协调控制系统中有两个控制层：协调控制层选择交通模型,调整模型参数,根据当前的交通状态决定每一个路段期望的交通流密度；直接控制层通过PI控制器保持状态变量的实际值在期望状态点附近。遗传算法用来寻找直接控制层最优的PI参数。最后,对该控制系统详细的仿真结果说明了该控制方法的高效性和可行性。这种方法能有效地消除交通阻塞,使车辆更加高效安全地运行。(4)用迭代学习匝道调节方法去处理宏观环境的高速公路交通密度控制问题。首先,建立了用于描述高速公路车流变化的模型。然后,交通密度代替交通占有率被选为控制变量。结合非线性反馈理论,设计了基于迭代学习的匝道控制系统。最后,用MATLAB软件进行系统仿真,仿真结果表明迭代学习方法能有效的处理这类问题,能较大提高交通响应速度。这种方法能取得几乎完美的跟踪性能,消除交通阻塞。