随着社会经济发展，高速公路的交通流量以几何级的速度递增。由于交通流量的增加引起交通堵塞及交通事故频发，并由此导致的各种损失难以估计。根据高速公路的具体特点，本文从如何提高控制器的实时性及控制效果出发，以充分利用高速公路现有资源、提高交通流量为目的，对高速公路匝道协调控制进行了研究，论文主要工作有： (1) 首先把高速公路全段作为一个整体考虑，以高速公路各段交通流为研究对象，把各匝道处流量作为系统的控制变量，设计了入口匝道协调控制器，使高速公路主线交通流处于最佳状态并达到最大流量。同时把免疫算法应用于高速公路匝道协调控制，提高了搜索局部可行解的速度，改善了控制器的性能。最后通过某高速公路实测数据对控制器进行了仿真验证，并与遗传算法对比，仿真结果表明免疫算法控制效果更好。 (2) 为了提高控制器的实时性和有效性，设计了适用于高速公路环境的BP神经网络对高速公路各段交通流的密度和速度进行短期预测，通过适当地提前改变控制策略以减小各种延误对控制效果的影响。根据历史实测数据，把相邻前后各段历史交通数据以及预测段实时交通数据等六组数据作为输入，训练该神经网络。经过训练后，再使用该神经网络对未来5分钟后的交通情况进行短期预测，通过预测数据提前更改控制策略以提高控制器的控制效果。 (3) 研究了高速公路车辆运动模型以及高速公路道路模型，设计了二维仿真系统，根据预测、控制的仿真效果，把各种枯燥的交通流数据和控制策略的变化形象地展现给用户，让用户对高速公路匝道协调控制有更深刻地认识。