La descomposición del tráfico es la transición del flujo de tráfico de un estado sin congestión a un estado congestionado. Durante las horas pico, cuando un gran número de vehículos de entrada se fusionan con el tráfico principal, puede causar una caída significativa en la velocidad y posteriormente llevar a la descomposición del tráfico. Por lo tanto, se han utilizado semáforos en las rampas para regular el flujo de tráfico desde las rampas y mantener un flujo de tráfico estable en el tráfico principal. Sin embargo, los modelos existentes de predicción de descomposición del tráfico no consideran el flujo de tráfico de las rampas de entrada. En este documento, se desarrolla un algoritmo basado en redes neuronales artificiales (ANN) para predecir la probabilidad de ocurrencia de una descomposición del tráfico en segmentos de autopista con tráfico de fusión, considerando correlaciones temporales y espaciales de las condiciones de tráfico desde la ubicación de interés, la rampa y los segmentos aguas arriba y aguas abajo. El análisis de selección de características revela que la condición del tráfico de las rampas tiene un impacto significativo en la ocurrencia de la descomposición del tráfico en el tráfico principal. Por lo tanto, las características del flujo de tráfico de la rampa de entrada, junto con otras características significativas, se utilizan para construir el modelo ANN. El algoritmo ANN propuesto puede predecir la ocurrencia de descomposiciones del tráfico en segmentos de autopista con tráfico de fusión con una precisión del 96%. Además, el modelo se ha implementado en una ubicación diferente, lo que produce una precisión predictiva del 97%. En las operaciones de tráfico, la alta probabilidad de ocurrencia de una descomposición del tráfico se puede utilizar como un disparador para los semáforos de las rampas.