依赖传统交通管理和控制的技术和方法,已不足以有效缓解当下庞大的道路交通需求与有限的服务资源之间的矛盾。随着相关技术的发展和下沉,智能交通运输系统展现出新的发展前景,车-路智能网联化成为一种必然趋势。在道路交通完全实现智能网联化的过渡时期,网联自动驾驶车（Connected and Autonomous Vehicles,CAV）和人工驾驶车（Human-driven Vehicles,HV）在道路交通系统内共存形成新型混合交通流,人-车-路的交互关系更加密切、复杂。分子动力学和人工势场为研究微观交通流中的车-车交互关系提供了新的思路方法,HV与CAV的跟驰模型是微观交通流研究和仿真的重要理论工具,对自动驾驶控制策略设计优化具有参考意义,也是解析新型混合交通流动态特性的理论依据;针对新型混合交通流动态特性的研究,可为智能网联环境下的交通控制管理提供重要的理论基础。首先,结合实测跟驰车辆的运动数据,分析传统跟驰关系中后车驾驶人的驾驶心理,明确了传统车辆的跟驰行为的产生机理及其影响因素。引入Lennard-Jones势模型,通过势场方法对惰性气体体系中的分子相互作用情况进行了阐述;对跟驰关系中的前后车辆与惰性气体分子进行了系统相似性分析,引入细长分子管道模型将单车道中的车辆类比为细长管道中的惰性气体分子。参考微观粒子相互作用的研究建模方法,仿照Lennard-Jones势模型构建了车辆相互作用势模型;根据车辆受车道线约束作用在横向上的运动情况,构建了车道边界势模型。其次,根据基础运动学,推导传统车辆目标跟车间距表达式;基于车辆相互作用势模型,推导了车辆纵向受力函数及加速度函数,完成车辆纵向跟驰行为建模,使用实测数据对模型进行参数标定。设计仿真实验测试了模型拟合度,结果表明所建模型比既有的改进分子动力学车辆跟驰模型具有更好的拟合度和稳定性表现。然后,阐述了目前CAV的核心功能及关键技术现状,以及CAV跟驰模型对自动驾驶技术的意义。基于交通运输生产、交通参与者与新型混合交通流过渡时期可能存在情况的现实需要,提出CAV跟驰模型的建模原则。参考PATH实验室CAV跟驰模型的建模方法,在车辆相互作用的基础上,提出了改进的速度与加速度协同控制项,构建了基于相互作用势的CAV跟驰模型。设计数值仿真实验,证明所建模型具有良好的跟驰响应性能和稳定性。最后,基于所建的HV与CAV的跟驰模型,推导了新型混合交通流的宏观基本图模型并进行了跟驰模型参数的敏感度分析;引入LWR（Lighthill-WhithamRichards）模型,推导得出混合交通流的交通震荡波速度计算式。模型计算和仿真实验结果显示:随着CAV在混合交通流中比例的提升,交通流运行效率最高可增加1倍以上,交通震荡波速度明显提升,混合交通流也具有更佳的稳定性。