基于CNN-LSTM的融合多因素的自适应雾天驾驶速度引导方法

本发明涉及一种基于CNN‑LSTM的融合多因素的自适应雾天驾驶速度引导方法，包括以下步骤：S1、收集高速公路网联环境下的交通流运行数据；S2、预测高速公路雾区安全通行的限速值，基于CNN‑LSTM深度学习模型，结合高速公路雾天环境数据及当前车辆状态，实时预测车辆的最优限速值；S3、制定预警信息内容；S4、使用车载HMI与语音提示功能向驾驶人传达预警信息；S5、确定雾区信息发布的位置；S6、面向智能网联车端进行预警信息推送。本发明能够有效应对复杂的雾天道路环境，具备较强的场景适应性，为驾驶人提供全方位的安全支持，显著提升雾天驾驶的安全性和通行效率。