近年来,随着经济的发展,道路上的车辆急速增多,交通拥堵现象随处可见。交通拥堵不仅会造成能源的浪费,对环境的污染也不容忽视。此类问题引起了人们的关注,由此掀起了交通流研究的热潮。于是,专家学者针对交通拥堵形成的内在机理与传播机制提出了一系列交通流模型。其中,耦合映射（CM）跟驰模型算法形式简洁,能够描述复杂的交通现象,可以为未来的智能交通提供理论基础,所以本文借鉴CM模型作为理论基础进行相关研究。同时,随着科技进步,车联网技术也应运而生。Vehicle to everything（V2X）成为未来智能交通运输系统的关键技术。它使得车与车、车与设备、设备与设备之间能够即时通信,从而及时获得实时路况、行人信息等一系列交通信息。因此,V2X环境下基于信息反馈传输的协同建模有着重要的现实意义。本文基于CM跟驰模型,综合考虑预估优化速度、驾驶员敏感度与时变安全距离的协同作用等现实因素,建立相应的动力学模型,并运用反馈控制理论的方法进行稳定性分析,得到稳定性条件,通过数值仿真对模型关于拥堵控制和污染排放控制的有效性验证。主要研究工作如下:一、V2X环境下,基于Konishi等人的CM跟驰模型,探讨预估优化速度差效应对交通流的影响,建立了OEVD-CM跟驰模型,利用控制理论对新模型进行稳定性分析,获得交通系统保持稳定的条件。对车辆实现一次和四次停车场景进行了模拟,结果表明:CM跟驰模型中,考虑预估优化速度差控制项,能够有效提高车辆运行的稳定性,缓解交通拥堵并减少了CO2排放量。二、其次,V2X环境下,考虑优化预估速度与实际运行速度差作为反馈信息,构建反馈控制项,从而得到AOVD-CM跟驰模型,运用现代控制理论,以控制论思想实现模型的稳定性分析,确定反馈增益的参数。在车辆一次和四次停车的场景下分别进行模拟仿真,研究表明:AOVD-CM跟驰模型能够有效抑制拥堵现象以及降低CO2、NOx、PM10污染排放,稳定VOC的排放。三、进一步地,V2X环境下,从自预估优化速度差效应入手,提出了SOVD-CM跟驰模型。利用反馈控制理论,得到了在头车车速发生改变时交通流保持稳定的条件。分别对一次停车与四次停车场景进行模拟,数值模拟结果证实了理论分析的正确性。SOVD-CM跟驰模型能有效缓解交通拥堵,降低油耗以及CO、HC、NOx的排放。同时,分析了头车停车次数和停车时间对油耗率及污染物排放率的影响。四、最后,为了更贴近真实的交通环境,综合考虑了在V2X环境下驾驶员敏感度和时变安全距离的协同作用,构建了SSSD-CM跟驰模型。利用控制论的方法得到交通系统保持稳定的条件,并考虑头车慢停车及慢启动,对头车一次停车与两次停车的场景进行数值仿真,结果表明:新模型能够有效地改善交通环境,并且在能耗控制方面,也有了很大的提升。