随着社会经济和科学技术的快速发展,不仅改变了人们的生活方式,还为交通的发展带来了新的机遇和挑战。目前,考虑前后多车信息的跟驰模型较少,然而在不同交通环境下综合考虑前后多车信息及其驾驶特性以及描述自动车辆跟随行为的跟驰模型更少。因此,对不同交通环境下综合考虑前后多车信息及其驾驶特性以及自动车辆跟随行为进行分析与建模是对现有交通流理论体系的补充与完善。本文在现有跟驰模型基础上,分别从传统交通环境下考虑驾驶员反应延迟和后视效应,智能交通系统环境下考虑自动车辆后视效应和智能交通系统环境下考虑后车的双记忆效应,构建对应的拓展跟驰模型,并对拓展跟驰模型进行理论分析和数值仿真,深入探讨交通系统的稳定性及其演变机理,为交通规划及控制、自动车辆行驶决策给予一定的理论支撑。本文的具体工作如下:第一,基于全速度差模型,探讨传统交通环境下反应延迟和后视效应对交通流的综合作用,构建一种拓展跟驰模型。使用理论分析和数值仿真,分别探讨反应延迟速度差和后视效应对交通流稳定性的作用,并研究交通流中的非线性动力学特性。研究结果表明,反应延迟速度差和后视效应在提升交通流稳定性和抑制交通堵塞方面具有较好的效果。第二,在智能交通系统环境下,自动车辆借助智能交通系统获得前后多辆自动车辆状态信息,并根据状态信息自动调整自身行驶状态。依据上述情形,基于两速度差模型,建立考虑后视效应的自动车辆跟驰模型。使用线性稳定性理论推导出交通系统稳定性条件,探讨在智能交通系统环境下后视效应对交通流的作用。还使用非线性分析方法分析交通流的演变规律,并用数值仿真验证理论分析的准确性。研究结果表明,在智能交通系统环境下,自动车辆在行驶中考虑后视效应的影响,能够显著提升其交通流的稳定性。第三,在智能交通系统环境下,驾驶员在获得前后车状态信息时,也会对过去状态信息保有记忆,不同的驾驶员有着不同的记忆行为,从而也会对交通流产生不同的影响。依据上述状况,在两速度差模型基础上,建立考虑后车的双记忆效应跟驰模型,分析不同的记忆行为对交通流稳定性的影响及对应交通流内部演化机理。理论分析结果表明,驾驶员记忆时间容易导致交通流失去稳定,引起交通堵塞,记忆时间越长,交通流越不稳定。数值模拟验证理论分析的准确性。