本文以高速公路上的交通流为研究对象，对高速公路的集成控制和优化进行了研究，研究目的是利用全局优化控制策略提高路网的运行效率。本文详细研究了高速公路控制的研究状况，根据所研究模型的复杂程度和仿真计算规模，结合现有解决方法，提出使用复杂大系统理论解决高速公路交通流控制问题的思想。 首先，分析了国内外研究高速公路交通流的主流模型，分析了多种比较成熟的交通流控制模型，如Payne模型、METANET模型、ALINEA模型与流量．车道与占有率关系模型等，简要分析了各种模型的原理与运用场合。紧接着给出了研究高速公路交通流控制的理论基础，即宏观交通流模型和高速公路入口匝道处的排队模型。 其次，着重研究了宏观交通流模型参数的辨识。从理论上分析了参数辨识方法的在宏观交通流模型参数辨识中的可行性，并给出了它在宏观交通流模型中的运用与实现，模型参数的辨识。并从仿真层面给出了仿真实现与仿真结论。高速公路交通流预测也是本文研究的重点之一，使用神经网络预测提高了数据处理的实时性。 再次，在高速公路的优化与控制方面，比较分析了遗传算法在解决高速公路交通流优化控制方面的优势。围绕提高高速公路运行效率的考察指标——总行程时间最短、总延误最小、“动能最大”与入口匝道平均等待时间最小等，把模型中的状态参数转化为优化控制的指标，从而为优化提供依据。 最后，针对现有高速公路控制方面存在的问题，提出高速公路网的集成控制架构模型，该模型的特点是实时性较好，可以在线优化，提供实时的模型辨识参数，从而更好地解决因为模型随时间变化而变化的交通流模型不精确问题。仿真结果表明，当地区交通需求量较大时，高速公路网集成控制能大大提高路网上车辆的总体运行效率，并能有效处理偶发性拥挤，从而增强了高速公路网系统处理随机干扰的能力。