随着城市化进程的推进,交通事故、拥堵和能源消耗等问题不断涌现,制约社会的可持续发展。车联网（Internet of Vehicles,Io V）技术的进步为缓解以上问题提供了契机。本文基于跟驰理论,对车联网环境下的交通系统展开研究,探索如何充分利用Io V技术改善交通状况,提高交通管理水平。首先,本文通过构建考虑Io V技术影响的跟驰模型,研究Io V技术对交通系统的影响机理。接着,为了最大化发挥Io V技术的作用,本文提出交通风险反馈（Risk Feedback,RF）驾驶策略和双车道区域局部最优（Two-lane Local Optimality,TLO）驾驶策略,并建立相应的跟驰模型,通过理论分析和数值仿真,探究其对交通流稳定性、交通安全性、驾驶舒适性和交通能耗的具体影响。最后,根据研究结果,提出交通管理建议。全文具体工作如下:首先,本文将Io V技术对驾驶员的影响特性量化,构建考虑Io V技术影响的跟驰模型。通过线性稳定性分析,发现Io V技术作用下交通流的稳定性得到提升。数值仿真实验结果显示,当交通流中出现小扰动时,Io V技术降低了车辆加速度、速度和车头间距的波动幅度。假设某一车辆发生故障突然停车,Io V技术作用下发生追尾事故的车辆数量会减少,车辆碰撞时的速度也会降低,距离停车车辆较远的跟随车辆会提前开始减速。由此,Io V技术对交通系统产生积极影响的内在机理可以理解为:Io V技术为驾驶员提供准确的交通信息,辅助驾驶员感知周围交通状况,驾驶员得以更早地做出准确的驾驶操作,驾驶行为得到优化。当交通系统中驾驶员的驾驶行为都得到优化时,交通流中车辆加速度、速度和车头间距的波动幅度都减小,车辆发生追尾事故的可能性和严重程度都降低,交通流稳定性和安全性得到改善。其次,本文提出RF驾驶策略,并建立相应的跟驰模型。针对模型开展数值仿真实验,结果表明,RF驾驶策略作用下,交通系统中发生追尾事故的车辆数量减少,车辆碰撞时的速度降低;车辆加速度、速度的波动减小,车辆运行更平稳,驾驶舒适性更高;车辆能耗明显降低。以上结果说明,RF驾驶策略有利于提高交通安全性、提升驾驶舒适性、降低交通能耗,有助于促进交通系统的可持续发展。再次,本文提出TLO驾驶策略,并建立相应的跟驰模型。通过线性稳定性分析得到模型的中性稳定性条件。运用约化摄动法推导m Kd V方程。理论分析结果显示,TLO驾驶策略提高了交通流的稳定性。数值仿真结果表明,TLO驾驶策略减小了车辆速度和车头间距的波动幅度,避免了交通拥堵现象。TLO驾驶策略中局部区域范围在20到60 m时,范围越大,交通流波动幅度越小。理论分析和数值仿真结果一致,均说明,TLO驾驶策略有利于提高交通流的稳定性和安全性,局部区域范围越大,TLO驾驶策略提高交通流稳定性的作用越强。TLO驾驶策略将影响驾驶行为的范围从单个车辆扩大到了双车道上的局部区域,研究结果能够为交通拥堵控制提供理论参考。最后,本文分别从驾驶员、机器和社会环境的角度提出交通管理建议,为相关部门实施交通管控措施提供参考。