1.一種基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s1中，交通流運(yùn)行數(shù)據(jù)包括圖像數(shù)據(jù)、時(shí)序數(shù)據(jù)和交通密度數(shù)；
3.根據(jù)權(quán)利要求2所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s2中，cnn-lstm模型中圖像數(shù)據(jù)和時(shí)序數(shù)據(jù)在相同時(shí)間尺度下進(jìn)行融合，針對(duì)不同采樣頻率的數(shù)據(jù)，采用線性插值方法對(duì)時(shí)序數(shù)據(jù)的時(shí)間戳進(jìn)行擴(kuò)展；
4.根據(jù)權(quán)利要求3所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s2中，在使用插值法處理數(shù)據(jù)后，數(shù)據(jù)清洗和預(yù)處理在將數(shù)據(jù)輸入到cnn-lstm模型之前，使用卡爾曼濾波算法進(jìn)行數(shù)據(jù)清洗和預(yù)處理。
5.根據(jù)權(quán)利要求4所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s2中，對(duì)圖像數(shù)據(jù)進(jìn)行歸一化處理。
6.根據(jù)權(quán)利要求1所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s3中，預(yù)警信息內(nèi)容包括限速建議、前方霧區(qū)距離提示和前車車距警示。
7.根據(jù)權(quán)利要求1所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s4具體包括以下步驟：
8.根據(jù)權(quán)利要求1所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s5中，在車輛進(jìn)入霧區(qū)前1-2公里的范圍內(nèi)，提前發(fā)布速度引導(dǎo)信息，駕駛?cè)嗽谝暰嗌形词芟迺r(shí)為其提供足夠的時(shí)間進(jìn)行減速和調(diào)整駕駛策略，并根據(jù)當(dāng)前駕駛?cè)说牟僮髡{(diào)整提醒頻率。
9.根據(jù)權(quán)利要求8所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s5中，若駕駛?cè)宋窗凑仗嵝褱p速，則提高提示頻率；若按照提醒進(jìn)行了減速操作則降低提醒頻率；
10.根據(jù)權(quán)利要求1所述的基于cnn-lstm的融合多因素的自適應(yīng)霧天駕駛速度引導(dǎo)方法，其特征在于，所述步驟s6中，預(yù)警信息通過(guò)車載hmi和語(yǔ)音提示的多模態(tài)方式傳達(dá)。