高速公路车道变窄区是一类常见的交通固定瓶颈,其存在常常会导致交通系统性能下降。现有研究表明:对车道变窄区上游进行路段限速能有效缓解此类瓶颈对交通的负效应。随着自动驾驶普及,出现混合了网联自动车（CAVs）与普通人驾车的新型交通流,如何以其中的CAVs为抓手来减缓交通瓶颈负效应成为亟待解决的问题。因此,本文针对混合网联自动车与普通人驾车的新型交通流,开展混合车流下的高速公路车道变窄区限速控制策略研究,旨在利用网联自动车（CAVs）作为交通控制系统的信息采集器与限速控制器,设计一套交通控制方案以减少车道变窄区的瓶颈负效应。研究内容包括:（1）针对混合交通流车道变窄区路段上游限速值计算的问题。首先考虑网联自动车渗透率、路段限速、交通通行能力突变等因素,改进二阶交通流模型METANET,以此来表征高速公路车道变窄区的宏观交通流特点。而后,基于MPC思想,结合改进的METANET模型,以最优化交通效率为目标函数,构建上游限速控制器。（2）针对混合车流限速控制中需要对个体CAVs进行数据采样与速度控制的问题,利用SUMO仿真软件,基于CACC模型与Wiedamann99模型构建高速公路车道变窄区混合车流仿真环境。同时为了保证MPC上游限速控制器在微观仿真环境中的有效性,考虑到常规标定算法如遗传算法标定时会陷入局部最优解和复杂度高的缺陷,使用人工鱼群算法对控制器中宏观METANET交通模型进行参数标定。（3）考虑到混合车流中车辆行驶的差异性,提出一种基于CAVs的实时交通状态估计器。使用神经网络方法,基于SUMO软件输出的网联自动车行驶数据,训练RBF-BP神经网络。而后再将神经网络输出的交通状态估计值使用卡尔曼滤波剔除异常点,完成实时交通状态估计器设计。（4）为了综合探究只使用CAVs进行限速调控的效果,提出了一套以网联自动车为抓手的混合车流车道变窄区限速优化方案,联合实时交通状态估计器与MPC上游控制器,使用Python语言,基于SUMO的Tra CI接口进行编程实现仿真实验。最终仿真结果表明:本文构建的混合车流下的限速方案,在不依赖固定车检器与可变限速版的前提下,仅仅使用混合车流中的CAVs,就能有效减少车道变窄区的瓶颈负效应,提高交通通行能力与效率。