获取城市交通OD出行分布矩阵是一项复杂艰巨的工作，如何经济有效地获得OD矩阵，一直是城市交通领域一个重要的研究点。而拥挤收费是进行交通需求管理的一项重要措施，可使路网的流量分布更加合理，从而减少拥挤。针对以上两个交通问题，本文以人工神经网络为工具，建立神经网络模型并进行适当的改进，从而提高模型求解算法的效率，并且使模型更符合实际情况。　　 本文针对交通问题的特点，分析了神经网络解决交通问题的优势，同时结合遗传算法，提出了改进神经网络的具体方案。根据OD矩阵估计的特点，选取具有模糊推理能力的径向基(RBF)神经网络来建立模型，反映OD出行量和路段流量之间的映射关系。另一方面，以交通随机配流模型得到的数据为样本，建立了模拟拥挤费率与路段流量之间的复杂非线性关系的神经网络模型，结合遗传算法完成了训练神经网络的过程，利用遗传算子搜索神经网络的权值、阈值及学习率，在局部嵌入BP算子使网络的均方误差快速收敛。以系统最优均衡配流原理得到的路段流量作为神经网络模型的输入变量，得到最佳的拥挤收费。