高速公路交通流问题研究一直是国内外研究学者所关注的热点,随着自动驾驶科技的发展和成熟,高速公路上将会有越来越多的自动驾驶车辆,为了保证高质量、快速的交通运输发展要求,如何高效和安全地管理自动驾驶车辆和人工驾车辆混合交通流成为了较为棘手的问题之一。本文从人工驾驶车辆的角度出发,基于三相交通流框架将人工驾驶员分为激进型驾驶员和保守型驾驶员,探究不同类型驾驶员引起的随机扰动在混有部分自动驾驶车辆的混行交通流中的传播和演化特征。研究工作如下:（1）高速公路上的道路结构特征、行驶环境状况和驾驶员性格等多种因素都会对车辆的速度和加速度产生影响,因此车辆速度和加速度的变化是产生随机扰动最直接的原因之一,这同样是用来区分激进型驾驶员和保守型驾驶员的最明显标志之一,激进型驾驶员的行驶速度、加速度和减速度一般都较大,而保守型驾驶员则相反,本文首先通过这一特征构建了不同人工驾驶员类型的三相交通流模型,其次通过查阅资料分析自动驾驶车辆的运行方式,学习到自动驾驶车辆通过传感器等探测设备分区段对自身车速进行自适应保证与前车的安全距离,从而建立了自动驾驶车辆模型,将人工驾驶员模型与自动驾驶车辆模型结合得到人工-自动驾驶混行三相交通流模型,最后通过基本图稳态解析和互相关函数分析验证模型的有效性。（2）通过Matlab仿真得到统计数据,首先在单车道上统计不同密度下的交通流平均速度和平均流量,其变化趋势与三相交通流F→S和S→J的相变基本吻合,自动驾驶车辆的比例对三相交通流相变的密度阈值有一定积极影响,再通过统计不同混行比例下车辆的速度标准差和跟车距离标准差发现自动驾驶车辆的比例越高,交通流的稳定性越好。然后从微观角度出发,在S→J相变密度值附近取值得到平均速度随时间变化的统计数据,速度为0的时间点代表此时道路上有交通崩塌现象产生,将0速度时间点附近每辆车的速度提取出来,分析速度随机扰动在车辆间的传播和演化过程,通过轨迹图和时间速度图发现自动驾驶车辆通过良好的速度自适应过程可以更好的阻止速度随机扰动向后方车辆传播,而激进型驾驶员过激的加减速行为使得速度随机扰动向后方车辆扩散。最后,分析不同类型驾驶员的换道规则,建立双车道人工-自动混行交通流模型,通过不同自动驾驶比例、激进驾驶员比例和保守型驾驶员比例三种车型的4个组合方式下对流量、速度和换道次数进行了统计,双车道条件下自动驾驶车辆对交通流稳定性依旧有提升作用,但低密度情况下自动驾驶车辆与保守型驾驶车辆的混合交通流稳定性较差。