交通流模型体系包括宏观、中观、微观三类模型，本论文重点研究中观交通流模型。中观交通流模型研究车辆的速度分布演化，本论文以元胞传输机制作为重要的手段，将交通流进行离散化分析；采用最大信息原理和能动粒子动力论两种方法建立了离散的中观交通流模型，这些模型可以对交通流实现较为快速和准确的模拟。论文成果对交通流模型的发展具有一定的理论价值和实际意义。本论文的创新点如下：1、首次应用协同学的最大信息原理建立中观交通流模型。该模型能够基于宏观平均速度推导出速度分布，这是对从宏观变量推导中观状态一次有益尝试。该模型提供了研究信息和交通流状态关系的一个方法。所研究的例子显示了最大信息与密度的关系：当交通流密度大于临界密度时，速度分布的最大信息随着密度的增加而减少；当密度低于临界密度时，速度分布的最大信息在不同密度下几乎保持不变。2、综合集成元胞传输机制（CTM）和Delitala-Tosin模型，建立了非均匀条件的中观交通流模型。本论文首先推导了空间均匀条件下自适应网格模型的通式，然后分析了Delitala-Tosin模型如何控制速度分布演化。为了考虑局部密度和距离对相互作用的影响，引入了平方反比律对Delitala-Tosin模型进行了改进。在此基础上，将CTM引入空间均匀条件下的Delitala-Tosin模型，建立了一个新的中观交通流模型。在新模型中，偏微分方程转化为常微分方程，从而可以采用更稳定有效的数值方法进行求解。3、建立了引入期望速度的中观交通流模型。本论文引入期望速度，建立了描述车辆间相互作用的新转换概率公式和相应的中观交通流模型。利用VBA和Matlab混合编程技术开发了计算程序。研究结果有助于进一步认识交通流系统：通常认为密度是决定车流平均速度的主要因素，本文的研究结果表明，驾驶员的期望速度差异也是影响车流平均速度的主要因素。4、建立了考虑潜在多元影响的相互作用加权函数。几乎所有的中观交通流模型都是研究公路交通流，很少研究城市交通流。在城市交通中，影响因素比公路交通更多，例如交叉口信号控制、行人过街、公交站等因素。因此在城市交通建模时不仅要考虑实际影响区域内的刺激，而且要考虑更远处的潜在影响区域内的刺激。本论文建立了考虑潜在影响的相互作用加权函数，从而可以更好地描述城市交通运行。5、建立了交叉口配时优化的内部状态节点模型。现有的交叉口配时优化模型较少应用交通流模型，对交通流运行通常采用统计方法进行估计。本论文首先将内部节点模型由无信号交叉口扩展到信号交叉口，然后基于元胞传输机制建立了交叉口信号配时优化模型，从而做到：在信号配时优化中可以考虑交通流动力学。最后，对未饱和与过饱和交叉口的信号配时优化进行了算例研究，分别与Webster模型、Gazis-Potts模型的结果进行了对比。