目前传统交通系统逐渐迈向智能交通系统,智能辅助驾驶以及自动驾驶车辆将不可避免出现在未来的交通系统之中,所以急需讨论和研究智能交通系统下智能辅助与自动驾驶车辆参与的交通流特性、安全、通行效率等问题。现在大多数交通流仿真的对象还是传统车辆,以及基于传统交通流模型研究自动驾驶车辆交通流特性。针对上述问题,本文在合理的假设下,对一类重要的自适应巡航控制（Adaptive Cruise Control,ACC）/协同自适应控制（Cooperative Adaptive Cruise Control,CACC）车辆参与交通系统进行建模与仿真,研究智能交通系统中ACC/CACC车辆对交通流的改变和影响,研究的主要内容如下:1.提出一种车联网下ACC车辆在信号交通路口处的不同速度引导行驶方案。基于改进的智能驾驶模型提出车联网下ACC车辆不同速度引导方案下的加速度算法,运用于城市红绿灯交通路口。结果表明:本文提出的车联网下ACC车辆速度引导方案通过红绿灯交通路口时在延迟、速度、加速度、燃料消耗、气体排放方面均优于普通智能驾驶模型。2.通过融合CACC车辆跟驰模型和元胞自动机模型建立一种单车道手动驾驶-CACC自动驾驶车辆混合交通流数值仿真模型。结果表明,随着CACC车辆比例上升,交通流的局部堵塞减少,流量、平均速度增大;其次针对混合交通流中CACC车辆对手动驾驶车辆行驶过程中作用对混合交通流特性的影响进行研究,发现当传统车辆驾驶员对CACC车辆的心理顾虑越大时,手动驾驶车辆安全距离增加程度越大,从而使交通流流量、平均速度、截止密度下降,这一现象在高密度区域尤其显著。3.建立一种基于新的换道规则的CACC车辆双车道交通流仿真模型。对F-STCA换道规则改进提出有效加速（Effective acceleration lane change,EALC）换道规则,验证了其有效性。结合CACC车辆演化规则和EALC换道规则建立CACC车辆双车道模型并进行模拟仿真。结果表明CACC双车道模拟结果整体符合交通实测现象,在低密度区域峰值流量较Na Sch和DD模型分别提升42.82%和21.86%,换道率远小于Na Sch和DD模型;高密度区域,流量和换道率均高于Na Sch和DD模型。本文通过对经典模型进行研究和改进,建立ACC/CACC车辆不同情景交通模型并模拟仿真研究ACC/CACC车辆对交通流特性的影响,对完善现有的交通流理论和为未来智能交通系统下ACC/CACC车辆参与的交通流提供理论研究和指导。