随着我国高速公路建设的发展，公路隧道在整个公路建设中所占的比重也越来越大。公路隧道是一个相对比较封闭的特殊路段，车辆在行驶过程中所产生的各类废气和卷起的尘埃会影响车辆在隧道内的正常通行，同时隧道内的各类废气会对驾驶员的健康造成危害。因此，为了保证车辆在隧道内的正常行驶和良好的行车环境，需要通过射流风机对隧道进行运营通风。但是，在公路隧道通风系统运营费用高昂，我国能源紧缺的大背景下，如何降低隧道通风系统的运营费用就成为了公路隧道建设和管理中急需解决的关键问题之一。本文对于公路隧道通风节能系统提出了一种基于神经网络的隧道通风节能控制的新思路。本文首先阐述了目前国内外公路隧道通风方式的发展，介绍了隧道的通风控制方式。接着详细说明了隧道内稀释各类污染物浓度（烟雾浓度、CO浓度和空气中异味的浓度）的需风量以及隧道通风系统的三个数学模型（空气动力学模型、污染物模型和交通流模型）。在交通流预测模型中，将BP神经网络和RBF神经网络的交通流预测模型进行仿真测试并比较分析，选择出较为合适的预测模型。在模糊控制模块，以汉宁高速公路中铁炉沟隧道为研究对象，对模糊控制器进行了详细设计，并通过MATLAB进行了仿真。针对隧道通风的模糊控制系统，制定出一套模糊控制规则，在此基础上，调整和优化控制规则，最终获得较优的规则库。模糊控制器根据CO浓度值和车流量值，经过模糊推理，得到隧道需要启动的风机台数。最后，综合分析了传统控制和智能控制技术在公路隧道通风控制过程中的能耗情况，得出智能控制相比传统控制节省很多能耗，从而使得公路隧道通风控制系统达到了理论上在控制成本和控制效率方面得到优化的结论。