Las redes de autopistas, a pesar de estar construidas para manejar las necesidades de transporte de grandes volúmenes de tráfico, han sufrido en los últimos años un aumento en la demanda que rara vez se resuelve a través de mejoras en la infraestructura. Por lo tanto, la implementación de métodos de control particulares constituye, en muchos casos, la única solución viable para mejorar el rendimiento de los sistemas de tráfico de autopistas. El tema está lleno de ambigüedad y no hay una herramienta para comprender todo el sistema matemáticamente; por lo tanto, un algoritmo difuso sugerido no solo parece apropiado, sino esencial. En este estudio, se propone un modelo basado en mapas cognitivos difusos y un sistema basado en reglas difusas como herramientas para analizar datos de tráfico de autopistas con el objetivo de modelar el flujo de tráfico a nivel macroscópico para abordar problemas relacionados con la congestión como objetivo principal de las estrategias de control de tráfico. Además de presentar un marco de controladores basado en sistemas difusos en el tráfico de autopistas, los resultados de este estudio demostraron que un sistema de inferencia difusa y mapas cognitivos difusos son capaces de predecir el nivel de congestión, simular el flujo de tráfico y realizar análisis de escenarios, mejorando así el rendimiento de las estrategias de control de tráfico que involucran la implementación de políticas de gestión de rampas, controlar el movimiento de vehículos dentro de la autopista mediante un control principal y control de enrutamiento.