在城市经济与城市建设的高速发展需求下,道路供给资源不足与不合理的交通管理造成了城市快速路的拥堵和利用率低下。由于城市用地的不足,解决快速路交通拥堵不能只靠盲目的通过扩大道路设施规模来增加通行能力,更重要是充分利用通行能力和相关服务设施。匝道控制无论是在理论与仿真层面还是在实际各大城市的实例应用中,都已被证实是解决快速路效率问题最见成效的管理方式之一。合理的匝道控制对于充分利用快速路通行能力,改善交通条件,显著预防其交通堵塞,协调快速路与关联道路的交通组织,提高道路的服务水平起着关键的作用。通过分析了城市快速路的基本特性以及快速路匝道的组合形式,为交通仿真以及交通流分析提供依据。接着对匝道基础控制原理进行分析,提出了匝道控制的各项评价指标,为控制效果的提供依据。同时分析了不同入口匝道的控制策略与方法并进行分类,为建立自适应匝道控制提供理论支持。对于城市快速路入口匝道的准确的短时流量预测能够对提前预判交通环境,为交通主动控制、改善交通环境提供支持。由于短时交通流具有非线性、不稳定性等特征,本文建立了基于遗传算法优化的小波神经网络,与普通的神经网络以及以上一个周期流量代替本周期流量的预测方法相比,具有较强的学习能力和避免陷入局部最优的特点,并通过实例验证了其预测的准确性。在对快速路入口匝道不同的控制策略与方法的分析基础上,针对现有控制方法的存在三个主要问题：入口匝道信号控制与主线可插入车头时距不足造成匝道排队长度回溢、排队快速清理对快速路主线造成的不良影响以及控制滞后的问题,结合短时交通流预测,提出了综合考虑快速路利用效率、车辆可插入间隙、匝道排队长度的快速路入口匝道分级控制方法。最后通过VISSIM与COM接口进行匝道控制仿真评价,结果表明控制效果良好和具有实用性。