智慧交通对广大群众来说并不陌生,这几年特别受到国家的重视和支持,宣布了一系列的政策文件支持智慧交通发展,交通强国、智慧公路、数字公路、车路协同等词汇逐步走向大家的视野,在交通领域,智慧交通也一直是交通从业者和专家学者的重点研究对象,智慧高速公路的建设发展如火如荼,运营方通过在路侧设施感知设施获取交通流相关数据,并上传至云端,实现交通状态实时感知与未来短时预测。目前交通流状态监测与判别主要依靠单一数据来源,数据准确性有待提升。另一方面,随着经济发展水平的提升,高速公路交通拥堵也日渐走向常态化,伴随着路侧可变情报板管理技能的提升,可变限速技术得到不断发展和应用,用以解决路段交通拥堵问题。本文从交通流数据采集入手,考虑到单一数据来源准确性不足,通过对常见交通流数据获取方式进行对比,选取毫米波雷达和监控视频为数据来源,提出基于雷达和图像的交通流多源数据融合算法,以提升数据的准确性。结合拥堵形成机理,构建交通拥堵程度评价方法,对路段拥堵节点进行判断和识别,并给出相应的拥堵等级划分,并根据交通流周期性规律提出基于长短时记忆神经网络的短时交通流预测方法。拥堵瓶颈主要产生于主线路段和合流区。针对不同路段对其交通特性进行分析,研究可变限速管控实施的可行性和必要性。针对主线路段,提出分级限速控制策略,首先确定瓶颈区路段可变限速值,再结合车辆行驶特性从远端开始分级降速,以保障行车安全。针对合流区,提出主线与匝道协同管控策略,通过拥堵影响范围确定限速区间和限速值,从路网角度优化当前交通状态。最后通过实例对比可变限速实施前后交通运行状态变化情况,验证可变限速管控策略的可行性和有效性。