城市快速路上的匝道合流区,由于匝道车辆汇入主车道,导致主车道车辆的大幅度减速行为和停走波现象,不仅造成了大量的空气污染物排放和能源消耗,而且由于匝道车辆与主车道车辆存在速度差距,在合流区的被迫横向冲突对车辆安全产生了影响。在互联的自动化车辆环境中,网联自动车辆（Connected and Automated Vehicles,CAVs）能够实时通信和交换速度、加速度和位置等详细信息,CAVs还能够与路侧单元（Roadside Unit,RSU）通信了解路况以及RSU覆盖范围内的其他车辆信息,这种信息共享能够使得车辆之间相互协作,从而显著改善匝道合流区的交通运行状况。目前车联网背景下的匝道合流研究文献大多是对单车合流算法的研究和对瞬间车流状态的调控,而非是对连续车流的调控。因此本文提出了拥挤车流下的即时车流合并策略与算法,以减少城市快速路匝道合流区大规模车流情况下的车流停走波现象。本文首先针对匝道合流区道路形态以及交通状况,仿真宏观分析了不同情况下的城市快速路匝道合流区车辆拥堵原因,结果表明匝道合流区车流量、车道限速和加速车道长度是匝道合流区车辆拥堵的重要因素,并基于宏观仿真结果分析了车辆微观行为对停走波现象的影响。然后基于车联网和边缘计算技术提出了匝道合流控制架构,该架构主要包括车端层、路端服务层、边缘服务层和云服务层,每一层都有自己的功能模块,从而逐层实现对匝道合流服务请求的处理。基于上述控制架构和充分考虑未来车路协同的优势,提出了匝道合流协同换道策略和算法,该策略遵循车辆的自主行为与动态性,令边缘服务器实时动态地收集车路信息为匝车选择辅助车辆辅助其合流;算法的目的是确定辅助车和计算合流速度,使得辅助车能够为匝车创造一个汇入间隙。匝道算法考虑了多种因素对合流速度的制约,具体步骤包括:（1）确定需要参与合流辅助的RSU个数。边缘服务器需要收集参与合流辅助RSU收集的车辆信息。（2）选择主车道辅助车辆与确定安全距离。确定辅助车辆需要综合考虑多种情况,比如RSU范围内没有与匝车几乎同时到达的车辆、选择的辅助车在前匝车的辅助车前面等等。（3）计算合流速度。合流速度受到多方因素制约,包括辅助车、辅助车前车、匝车前车、加速车道长度等等。（4）处理车辆换道。车辆达到合流速度换道时可能并不满足换道条件而无法换道,因此需要对无法换道的车辆进行处理。最后本文利用交通仿真器SUMO、交通控制接口Tra CI与python交互进行仿真,仿真结果验证了基于车联网和边缘计算的匝道合流控制架构下的合流控制策略和算法解决拥挤车流停走波现象的有效性。