1.一种智能网联环境下基于多源数据边缘计算的路网拥堵区管控方法，是应用于由m个边缘计算中心、n辆网联自动驾驶车辆、m个路段单元和1个数据中心所构成的网联自动驾驶车辆与人工驾驶车辆并存的城市路网中，其特征在于，所述路网拥堵区管控方法包括以下步骤：步骤1：将每两个相邻交叉口之间每个流向的道路视为一个路段单元，将任意第l个路段单元的车道数nl、长度信息Ll，获取第l个路段单元的历史交通流数据及对应的天气数据，从而建立包含各路段单元的交通流数据库；l＝1,2,3,…,m；

设定相邻两个控制周期之间的时间间隔为T；当前控制周期数为k，并初始化k＝1；

步骤2：在第k个控制周期下，第i辆网联自动驾驶车辆将自身的行驶速度vi(k)和位置信息发送到所在路段单元路侧的边缘计算中心，同时各路段单元内的传感器采集的交通流数据也传输至所在路段单元路侧的边缘计算中心；i＝1,2,3,…,n；n表示网联自动驾驶车辆的总数；

步骤3：在第k个控制周期下，第l个边缘计算中心对交通流数据进行处理，获得第l个路段单元内的车辆总数Nl(k)；

依据各个网联自动驾驶车辆的位置信息，第l个边缘计算中心删除非第l个路段单元内CAV的网联自动驾驶车辆信息，并统计第l个路段单元上的网联自动驾驶车辆总数Nl (k)；

通过同一路段上各网联自动驾驶车辆的行驶速度，计算第l个路段单元的平均车流速度通过第l个路段单元内车辆总数Nl(k)获得第l个路段单元的车流密度 从

而计算第l个路段单元的流量Ql(k)＝nlKl(k)Vl(k)；

第l个边缘计算中心联网获得城市路网的当前天气状况，并查询所述交通流数据库中f当前天气状况下第l个路段单元的自由流速度Vl，判断第l个路段单元的交通状态：f

当Vl(k)＞Vl×δ％，表示第l个路段单元处于畅通状态；

f

当Vl(k)≤Vl×δ％，表示第l个路段单元处于拥堵状态；

CAV

所述第l个边缘计算中心将第l个路段单元内的网联自动驾驶车辆总数Nl (k)、车辆总数Nl(k)、流量Ql(k)以及交通状态的判断结果所构成的交通状态信息上传至数据中心；其中，δ表示所设定的阈值；

步骤4：所述数据中心依据城市路网内各路段单元的交通状态信息，使用基于密度的空间聚类算法对处于拥堵状态的路段单元进行聚类，得到若干个聚类结果，每个聚类结果是由若干个拥堵路段单元所构成的簇；将每个聚类结果在城市路网内所占面积的最小多边形记为区域；

当聚类结果中某一个聚类结果在所占区域A内的路段单元总长度SA大于阈值Scr时，认为城市路网处于拥堵状态，并将相应区域认定为拥堵区域；否则，表示相应区域为畅通区域，无需对路网实施边界控制或交通诱导措施，待第k个控制周期结束，将k+1赋值给k后，返回步骤2；其中，Scr＝S0×Δ％，S0为城市路网内路段单元的总长度；Δ表示所设定的阈值；

步骤5：将拥堵区域内的路段单元记为集合Θ，将临近拥堵区域边界的驶出拥堵区方向的路段单元记为集合Ο，将临近拥堵区域边界的驶入拥堵区方向的路段单元记为集合Ω；

计算拥堵区域内网联自动驾驶车辆总数 及拥堵区域内车辆总数

CAV

则拥堵区域内网联自动驾驶车辆渗透率为p(k)＝N (k)/N(k)；

基于交通流数据库中由拥堵区车辆总数及该拥堵区车辆总数下拥堵区域的旅行完成率所构成的交通数据点集合，生成网联自动驾驶车辆渗透率为p(k)时拥堵区域的路网宏观基本图，从而拟合得到拥堵区域的宏观基本图函数GA(x)并生成95％预测带，从而获得GA(x)的最大值Gmax(k)所对应的拥堵区域内车辆总数的临界值Ncr(k)；其中，某一区域的旅行完成率表示单位时间内驶出该区域的车辆数；x表示拥堵区域内车辆总数；GA(x)的值代表拥堵区域内车辆总数为x时的旅行完成率；95％预测带为拟合时95％数据点所属区域；

步骤6：根据当前拥堵区内车辆总数与旅行完成率进行边界控制有效性判断，若边界控制有效，则进入步骤7；若边界控制失效，则进入步骤9；

步骤7：以拥堵区域的旅行完成率达到最大值Gmax(k)为目标，对拥堵区域的边界实施模型预测控制，并计算第k个控制周期的拥堵区边界的控制率u(k)；将临近拥堵区边界的驶入拥堵区方向的第l个路段单元的限速值调整为 l∈Ω；对于拥堵区边界处有信号灯控制的交叉口，将进入拥堵区方向的相位时长由t0调整为u(k)t0，以降低驶入拥堵区的交通量，其中， 表示未进行边界控制时第l个路段单元的限速值，l∈Ω；

步骤8：所述数据中心向第l个边缘计算中心传输第l个路段单元调整后的限速值拥堵区域以及管控区域，第l个边缘计算中心将调整后的限速值 传输给第l个路段单元内的网联自动驾驶车辆，使得网联自动驾驶车辆减速行驶，l∈Ω；其中，管控区域表示拥堵区域及临近拥堵区域边界的驶入拥堵区方向的路段单元所占面积的最小多边形；

步骤9：在拥堵区域的上游交叉口处，通过路侧可变信息指示牌在时间间隔T内持续告知下游区域拥堵，并提供周围路段单元的限速信息及建议行驶路径，以达到交通诱导目的；

待第k个控制周期结束，将k+1赋值给k后，返回步骤2。

2.根据权利要求1所述的路网拥堵区管控方法，其特征在于，所述步骤6的边界控制有效性判断包括：步骤6.1：根据拥堵区域内车辆总数N(k)和宏观基本图拟合函数GA(x)得出拥堵区域的旅行完成率理论值GA(N(k))；

步骤6.2：计算拥堵区域的旅行完成率实际值 与理论值GA(N(k))之间的残差ΔGA；其中，步骤6.3：根据残差ΔGA判断当前拥堵区内车辆总数N(k)与旅行完成率实际值构成的交通数据点是否处于95％预测带内，若处于，则边界控制有效；否则，表示边界控制失效。

3.根据权利要求1所述的路网拥堵区管控方法，其特征在于，所述步骤7的拥堵区边界模型预测控制包括：步骤7.1：根据第k个控制周期的拥堵区域内车辆总数N(k)、拥堵区域内车辆总数的临界值Ncr(k)，得到系统的状态变量为X(k)＝N(k)‑Ncr(k)，令系统的控制变量为U(k)＝u(k)，系统的状态方程为X(k+1)＝[‑β(k)G′A(N(k))+1]X(k)+[qin(k)T‑qout(k)T]U(k)，状态方程输出量为第k+1个控制周期拥堵区域内车辆总数N(k+1)与车辆总数临界值Ncr(k+1)的差值；

其中，β(k)表示第k个控制周期内，拥堵区域内的车辆的出行目的地为自身所在拥堵区域的车辆，占总出行车辆的比例；qin(k)表示第k个控制周期内流入拥堵区域的车流率；qout(k)表示第k个控制周期内流出拥堵区域的车流率；G′A(N(k))表示宏观基本图拟合函数GA(x)的导函数G′A(x)在x＝N(k)时的值；

步骤7.2：根据系统的状态方程获得未来np个控制周期的系统的状态变量，并计算未来np个控制周期内的控制率，nc＜np，用矩阵X＝[X(k),X(k+1),…X(k+nc),…X(k+np)]表示当前控制周期及未来np个控制周期内系统的状态变量，当前控制周期及未来np个控制周期内系统的控制变量矩阵为U＝[U(k),U(k+1),…U(k+nc),…U(k+np)]，当预测的第k′个控制周期k+nc＜k′≤k+np时，令U(k′)＝U(k+nc)；其中，X(k+nc)表示第k+nc个控制周期的状态变量；

U(k+nc)表示第k+nc个控制周期的控制变量；

步骤7.3：系统的输出量为当前控制周期及未来np个控制周期内拥堵区域的状态变量；

当系统的输出量趋近于0时旅行完成率达到最大化，则控制周期内求解的目标函数ZT T为：Z＝min X·H·X；其中，H为权重矩阵；X表示X的转置；

步骤7.4：通过求解目标函数Z得到每一控制周期内的控制变量，并选取控制变量矩阵U的第一个元素值U(k)作为第k个控制周期的边界控制率。