随着自动驾驶和网联技术的不断发展,未来很长一段时间内会出现智能网联车辆（Connected Autonomous Vehicle,CAV）、自动驾驶车辆（Automated Vehicle,AV）和人工驾驶车辆（Human-driven Vehicle,HDV）混合行驶的情况。为研究混行交通流中不同类型车辆的跟驰行为,混行车辆跟驰建模成为了微观交通流仿真研究的热点问题之一。然而,目前大部分研究不能准确地描述不同类型车辆在混行交通流中的跟驰特性以及相互之间的影响和决策。因此,本文基于分子动力学定量化计算周围车辆的速度及其与主体车的车间距对主体车的影响权重,并且根据主体车与紧邻前车间的位置关系界定了前方多车影响作用的适用性,同时引入不同类型车辆差异化的减速度策略,基于分子动力学建立考虑前后多车状态信息的CAV跟驰模型;考虑不同类型前车和驾驶人特性,建立HDV＆AV混行车辆跟驰模型;通过混行车队稳定性仿真分析,获得了CAV和AV分别影响的后方HDV车辆数,并且探究了三种驾驶风格HDV的加入对引导车辆数的影响。本文的研究成果可用于同质流或CAV、AV与HDV混行异质流的跟驰行为仿真分析和队列跟驰控制研究,从而在目前开展混行实车实验困难的情况下为混行交通流场景下的驾驶行为优化控制及仿真分析提供理论依据和模型支持。本文的主要研究内容包括以下几个方面:（1）基于分子动力学建立考虑前后多车状态信息的CAV跟驰模型在分析混行交通流中CAV跟驰行为的基础上,构建一种考虑前后多车的速度、车间距、速度差等信息的CAV跟驰模型。引入分子动力学理论定量化表达周围车辆的速度及其与主体车的车间距对主体车的影响权重,并且根据主体车与紧邻前车间的位置关系,界定了前方多车影响作用的适用性。同时,考虑混行交通流中不同类型的紧邻前后车辆对CAV跟驰行为的影响,引入不同类型车辆差异化的减速度策略。所考虑的四种紧邻车非CAV场景情况包括:（a）紧邻前车是HDV或AV,其他车辆是CAV;（b）紧邻后车是HDV或AV,其他车辆是CAV;（c）紧邻前后车均为HDV或AV,其他车辆为CAV;（d）车队中的车辆均为CAV。基于Routh–Hurwitz特征方程法对该模型进行线性稳定性分析。利用实车数据对模型进行标定和仿真验证。（2）建立考虑驾驶人特性的HDV＆AV混行车辆跟驰模型利用混行实车数据,分析不同类型的前车对HDV和AV跟驰行为的影响。考虑驾驶人特性,分别引入驾驶人反应时间、速度差判断误差、车间距与速度的函数关系以及加速度策略,构建HDV＆AV混行车辆跟驰模型。在稳定性分析过程中分析了车速对混行交通流稳定性的影响。分别收集HDV跟驰AV和HDV跟驰HDV的实车数据对模型进行参数标定、敏感性分析和模型验证。（3）考虑CAV渗透率的混行交通流稳定性分析基于混行交通流车辆空间相对位置的随机性特点,提出混行交通流中CAV、AV和HDV稳定状态下的数学期望比例解析式。考虑队列系统中的外界干扰和状态时滞,利用拉普拉斯变换求解混行车队的速度扰动传递函数,分析不同CAV比例下的混行队列稳定性开环幅相特性。考虑平衡态“速度-车间距”关系,建立不同CAV比例下的混行交通流基本图模型,并以此为基础,探究混行车辆环境下交通流通行能力的影响因素,为提升混行交通流量提供理论依据。（4）考虑不同驾驶人风格和CAV渗透率的混行队列运行研究基于混行车队稳定性仿真分析,研究城市道路条件和高速紧急制动状态下不同类型车辆的引导对车队加速和减速的控制,探究CAV和AV分别影响后方HDV的车辆数以及三种驾驶风格HDV的加入对引导车辆数的影响。设计混行车队跟驰仿真实验,研究CAV渗透率对混行最佳队列稳定性的影响。