随着全球经济的加速发展,环境污染逐渐严重。在环境污染中,碳排放污染尤为突出,汽车尾气碳排放是造成大城市大气污染的主要原因之一。城市交通道路拥堵能造成汽车碳排放大量增加,因此减少城市道路交通拥堵不仅能减少用户的出行成本,同时还可以减少汽车碳排放。本文以减少汽车CO排放和出行成本为目标,构建面向自动驾驶环境的连续型DTA模型,设计其求解算法,并进行数值模拟计算,以验证模型的有效性。首先,从汽车尾气碳排放,连续型动态交通流分配模型以及自动驾驶三个方面分析综述国内外研究现状,找出存在的问题,为开展研究奠定基础。其次,将研究区域视为二维连续体,以用户出行成本最低和汽车CO排放最少为目标,并考虑用户的差异性和车型的不同,采用连续型建模方法构建集成Hamilton-Jacobi(HJ)方程和双曲型守恒律方程的连续型交通流分配模型。第三,设计模型的数值求解算法并对其有效性进行验证。求解模型的算法采用在三角网格上进行空间离散的单元中心型有限体积法(FVM),求解Eikonal方程的快速步进算法以及TVD Runge-Kutta的时间离散方法。最后,借助自动驾驶场景,以大型城市道路网交通流为对象进行数值计算模拟,并在模拟中加入弹性需求模型,分析对象路网区域内交通流密度变化、总出行成本变化和汽车CO排放等宏观现象,以验证模型的合理性。本文构建的模型可以从宏观上动态描述路网的交通流行为,计算用户的动态出行成本及汽车CO排放成本,为大城市高峰时段兼顾出行成本和汽车CO排放的用户出行路径选择及动态交通管理措施决策提供理论依据。