Las intersecciones son los cuellos de botella de la red vial. La capacidad de las intersecciones semaforizadas restringe el funcionamiento de la red vial. La estimación dinámica de la capacidad es necesaria para una gestión refinada de las intersecciones semaforizadas. Con el desarrollo de la tecnología, se instalaron cada vez más detectores cerca de la intersección. Se había convertido en un entorno rico en información, que proporcionaba apoyo para la estimación dinámica de la capacidad. Se desarrolló un método de estimación dinámica para una tasa de flujo de saturación basado en una red neuronal. Este método captaría el cambio dinámico de las tasas de flujo de saturación y los factores que influyen en ellas. Se tomaron los datos medidos en tres escenarios (carriles de paso, giro a la derecha compartido y carriles de paso, giro a la izquierda compartido y carriles de paso) de intersecciones semaforizadas en Beijing como ejemplos para validar el método propuesto. En primer lugar, se analizaron las características del flujo de tráfico de los tres escenarios y los factores que afectan la tasa de flujo de saturación. En segundo lugar, se establecieron modelos de red neuronal para los tres escenarios. Luego, se determinaron los hiperparámetros de los modelos de red neuronal. Después del entrenamiento, se guardaron la estructura y los parámetros de la red neuronal. Por último, se validaron los datos del conjunto de prueba mediante el modelo de entrenamiento. Al mismo tiempo, se comparó el método propuesto con el método del Manual de Capacidad de Carreteras (HCM) y el método de regresión estadística. Los resultados muestran que tanto los modelos de regresión como los modelos de red neuronal tienen mejor precisión que los modelos HCM. En un escenario simple, los modelos de red neuronal no difieren mucho de los modelos de regresión. Con el aumento de la complejidad de los escenarios, se destacan las ventajas de los modelos de red neuronal. En los escenarios de carril de paso a la izquierda y carril de paso a la derecha, las tasas de flujo de saturación estimadas por el método propuesto fueron del 7.02% y 4.70%, respectivamente. En la complejidad de los escenarios de tráfico, el método propuesto puede estimar la tasa de flujo de saturación de manera precisa y oportuna. Los resultados podrían utilizarse para optimizar los esquemas de control semafórico y gestionar la operación en intersecciones semaforizadas de manera sutil.