随着交通量的增加，高速公路上交通拥挤和阻塞日趋增多，降低了高速公路的运行效率和安全性，加剧了环境污染和能源消耗。入口匝道控制通过控制进入高速公路的车辆数目使高速公路交通流运行在最佳状态，可以有效提高高速公路运行效率，避免拥挤和阻塞。传统的基于精确数学模型的交通控制方法不仅复杂而且在实际应用中往往达不到预期的控制效果，因此寻求新的有效的交通控制方法也就成为必然。 鉴于模糊神经网络具有良好的非线性特性、学习能力、自适应能力和抗干扰能力，因此本文将模糊神经网络技术引入到高速公路入口匝道控制中，对其进行研究。首先介绍了入口匝道控制、模糊控制、神经网络及遗传算法的有关理论知识。然后，对基于GA-BP的模糊神经网络匝道控制器进行了详细设计。设计过程主要分为三部分：输入输出参数的选择、模糊神经网络的结构设计以及基于GA-BP的学习算法设计。在前人成果的基础上，各部分均进行了一定的改进和创新，其中，将遗传算法和误差反向传播算法相结合用于高速公路匝道模糊神经网络的学习训练，取得了较好的效果。最后，使用MATLAB软件对该模糊神经网络控制器及高速公路入口匝道控制系统模型进行了仿真研究。 仿真结果表明，本文提出的基于GA-BP的模糊神经网络匝道控制方法是有效的，较之基于BP的模糊神经网络控制方法和ALINEA控制方法，能更好地稳定主线交通流密度。