智能网联车辆的发展使得未来道路交通系统将由多种驾驶主体构成,且随着智能网联车渗透率增加,交通流演变特征也随之发生重大变化。不同驾驶主体及其跟驰规则的存在导致混驾交通流与单一交通流在跟驰间距、行驶速度及状态响应等方面存在显著差异。考虑到目前以自然人驾驶车辆为参照对象的智能网联车辆始终对前车状态敏感响应且缺乏与其他车辆动态交互,本文重新制定了混驾交通流中自然人驾驶车辆和智能网联车辆的跟驰规则及其动态交互方法,并对交通流稳定性调控问题做了进一步研究。论文的主要工作总结如下:首先,考虑到混驾交通流中多种跟驰规则的交互需求,引入驾驶员感知车头间距以表征其驾驶特性,提出了一种改进的自然人驾驶车辆跟驰模型,即,模糊全速度差模型。通过控制论方法,分别解析了驾驶员感知车头间距及其对前车速度响应程度对交通流稳定性的影响。基于NGSIM数据给出了模糊规则中输入和输出参数之间的对应关系,并采用遗传算法分别对激进型和保守型车辆的模型参数进行了标定。引入了智能驾驶模型作为对照模型,并对该模型的参数进行了标定。采用数值仿真的方法验证了改进模型与真实交通流的拟合程度。研究结果表明,所提出模糊全速度差模型能够准确地描述车辆局部速度变化,因而相比于智能驾驶模型具有更好的拟合效果。通过对比平均均方根百分比误差值,可以发现所提出的模糊全速度差模型具有更好的拟合精度,进一步验证了模型的有效性。其次,借鉴基本图理论和三相交通流理论思想为智能网联车辆提出了一种包含:稳态速度区间和动态速度区间的离散跟驰区间跟驰规则,并确定了相应区间的车辆跟驰模型及区间范围。将各跟驰区间的切换转化为切换系统问题,提出了离散跟驰区间跟驰模型在任意切换信号下的稳定性分析方法。此外,文中还对模型的最小安全车头间距进行了改进,并探讨了该参数对交通流稳定性的影响。采用仿真分析方法验证了所提出离散跟驰区间跟驰模型在实际交通流和大尺度扰动作用情况下的作用效果。研究结果表明,所提出离散跟驰区间跟驰模型在任意切换条件下满足系统的全局渐进稳定性。相比于现有模型,所述离散跟驰区间跟驰模型能够通过调整最小安全车头间距与跟驰区间范围进一步提高交通流的稳定性。再次,在离散跟驰区间跟驰模型基础上引入了前车感知车头间距信息,并提出了混驾交通流车辆跟驰模型,实现了相邻车辆之间驾驶特性动态交互。采用传递函数理论方法分别提出了单一交通流和混驾交通流的稳定性分析方法,并探讨了模型参数以及智能网联车辆渗透率对交通流稳定性的影响。通过仿真实验验证了相邻车辆驾驶特性动态交互的引入对混驾交通流稳定性的影响。研究结果表明,考虑前车感知车头间距信息,能够提高车辆的安全性以及交通流的通行能力,特别是当前车为保守型车辆时可以进一步提高跟驰车辆的行驶车速。随着智能网联车辆渗透率及其最小安全车头时距的增加,交通流系统的稳定性得到显著性增强。最后,引入了多前车速度信息,提出了基于多前车速度反馈的智能网联车辆跟驰模型,以实现混驾交通流的稳定性调控。通过传递函数理论方法获得了多前车速度信息作用下交通流的稳定性条件。针对包含自然人驾驶车辆和智能网联车辆的混驾交通流,构建了局部车队系统,并提出了该系统在不同通信车辆数时的稳定性分析方法。通过稳定性分析和仿真实验方法验证了模型的有效性。研究结果表明,所提出局部车队系统稳定性分析方法具有较好的适用性。速度反馈参数一定时,随着局部车队系统中通信车辆数的增加,车辆的整体行驶速度有所提高,且其速度振幅得以降低,增强了系统的稳定性。综上所述,本文立足于未来智能网联车辆发展需求,探讨了混驾交通流中车辆跟驰规则、车辆之间动态交互以及交通流稳定性调控等问题,并在跟驰建模、稳定性解析和稳定性调控方面做了一系列研究。研究成果可以为智能网联车辆提供新的跟驰规则与稳定性调控方法,丰富了交通流领域的理论成果。此外,本研究为智能网联车辆纵向控制提供了新的思路,对车辆编队行驶及其系统开发具有一定指引作用。