本文分为交通流预测和控制两部分。在交通流预测部分，首先分析了交通流由线性和非线性部分组成的特性和传统交通流预测模型的特点；引入数据融合思想，构造相关时间序列，通过运用ARIMA模型和指数平滑模型对交通流线性时间序列进行预测，运用BP神经网络对交通流非线性部分进行预测，再将两部分结果融合，提高预测精度，得到预测效果更好的组合交通流预测模型；通过实例比较验证了改进的组合模型优于单独使用ARIMA模型或单独使用神经网络交通流预测模型。在交通流控制部分，首先分析了传统的入口匝道控制模型、限速控制模型和入口匝道收益模型的特点；鉴于大部分传统交通流控制模型单目标、单路段的缺陷和考虑到高速公路使用者和经营者的利益，引入协调控制思想，结合以上三个控制模型，设计了一个同时以高速公路各路段的平均密度、平均速度和入口匝道收益率为控制目标的多目标优化控制模型；通过仿真方法验证新模型的良好控制效果。最后本文还提出交通流控制模型中入口匝道合流区通行能力的一种近似算法。