随着汽车保有量的不断增加,道路驾驶安全问题日益突出。随着车联网技术的发展,智能化、联网化将成为未来交通的主要特征。在V2V环境下,网联车辆可实现交通信息共享,有助于驾驶员基于当前获取的信息实现对前方车辆的行驶状态做出预判,进而安全驾驶减少车辆碰撞的发生。因此,研究在V2V环境下的车辆防碰撞跟驰行为,刻画其相应的车流演变规律,具有重要意义。本文考虑在车辆安装了V2V设备的车联网环境下,提出改进的多前车速度差模型,进行理论分析、参数标定、数值仿真和安全性分析。研究内容如下:首先,基于OV模型,考虑V2V网联环境提出了一种多前车速度差模型（MCF-CT）.得到了MCF-CT模型的线性稳定性判据,其稳定区域大于OV模型.计算表明,MCF-CT模型的稳定性区域面积的占比率明显提高。通过约化摄动方法分析导出了相应于交通流区域的密度波方程—Burgers方程、m Kd V方程,得到Burgers的孤波解,m Kd V方程的扭结—反扭结波解。进一步,在周期边界和设置正常车间距为8m的条件下,对MCF-CT模型和全速度差模型在车间距减少5m的紧急情况下进行了数值模拟分析,得出模型MCF-CT在遇到紧急情况下有良好的防碰撞效果。其次,基于FVD模型,考虑在V2V网联环境下多前车车间距对交通流的影响,提出新的跟驰模型（V2V-MFVD）.分析了该模型在不同参数取值下的稳定区域;通过约化摄动法分析给出Burgers的孤波解,m Kd V方程的扭结—反扭结波解,用以描述交通流出现的阻塞现象。利用NGSIM数据集中的“US 101数据集”,通过遗传算法对模型进行参数标定,得到V2V-MFVD模型在实测数据下的最优参数值。利用标定的参数设计了两个仿真试验进行V2V-MFVD模型的数值模拟,考虑该模型前导车持续性进行加速和减速的交通流模拟情况。结果表明,相比于FVD模型,标定参数的V2V-MFVD模型更加有利于交通流的稳定运行,降低了跟驰行为中的碰撞风险,增加了交通流的安全性。最后,对标定了参数的V2V-MFVD模型在相对危险的仿真环境下的交通流稳定性和安全性进行分析,设计了混合有正常网联车和非正常网联车的异质交通流场景。在相同的仿真条件下,对V2V-MFVD和FVD模型进行模拟,并利用所得到的仿真数值结果计算碰撞时间、车速标准差等安全性指标.试验结果表明,V2V-MFVD模型具有良好的防碰撞效果,且随着正常网联车在总仿真车辆中比重的增大,交通流的稳定性和安全性不断提高。