随着车联网技术的发展,智能化、网联化将成为未来交通的主要特征,车车通信(Vehicle to Vehicle,V2V)环境下联网车辆(connected vehicles,CV)的信息协同共享能力,使其跟驰行为与人工驾驶车辆(Human Vehicles,HV)存在较大差异,而CV跟驰行为是否能适应复杂道路运行环境并提升交通系统功效是亟待研究的问题。因此对复杂道路运行环境下CV跟驰行为进行研究,掌握V2V技术对现有交通系统可能产生的正反双面影响,对推动V2V技术的实际应用具有重要意义。本文利用外场实测数据对基于V2V的CV跟驰行为交通适应性展开研究。首先,在对传统环境、V2V环境下跟驰行为研究现状和适应性研究现状进行综述的基础上,总结了现有研究的不足,将CV跟驰行为从理论建模层面深入到交通适应性评价层面,并给出了本文的研究内容及技术路线。其次,比较了传统环境和V2V环境下驾驶过程、跟驰行为特性、车辆跟驰建模的差异,为后续研究提供理论依据。然后,定义了跟驰行为交通适应性这一概念,从人-机-环境三个维度,设计反应时间、加速度变化率、速度变异系数、车头时距、碰撞时间倒数、稳态转移时间等跟驰行为交通适应性表征指标,并基于这些表征指标提出了跟驰行为交通适应性评价指标体系,具体包括:反应时间均值、加速度变化率绝对值均值、速度变异系数、车头时距均值、碰撞时间倒数极大值、稳态转移时间均值。同时,为对跟驰行为交通适应性进行综合评价,针对多种评价方法的评价结果可能不一致的问题,提出了基于离差最大化的跟驰行为交通适应性组合评价模型,选取灰色聚类分析法、物元分析法和模糊综合评价三种评价方法形成组合方法集,利用组合方法集中单一评价方法分别对跟驰行为交通适应性进行评价,对通过肯达尔一致性系数检验的评价方法,基于离差最大化思想,求解各评价方法的组合权重,并对各方法的评价结果进行组合,获得组合评价结果。接着,搭建基于V2V的跟驰实验平台,完成了实验平台软硬件设计,并设计加速、减速、停启、前向碰撞预警四种场景,采集外场实测数据,作为后续跟驰行为交通适应性表征指标提取和组合评价的数据来源。最后,考虑不同运行速度、工况、道路等级、天气、服务水平等复杂道路运行环境因素,从统计学角度探索不同因素下适应性表征指标的变化规律,分析不同因素下的CV跟驰行为交通适应性。并采用基于离差最大化的跟驰行为交通适应性组合评价模型进行实例分析,计算了跟驰行为交通适应性组合评价值和单项评价指标组合评价值,按分值区间划分了评价等级。跟驰行为交通适应性表征指标分析结果表明,相较传统环境,V2V环境下驾驶员反应时间均值缩短0.96s,车头时距均值减小27%,加速度变化率、碰撞时间倒数整体较小,稳态转移时间更小。在不同因素影响下各表征指标具有一定差异,反映了不同影响因素下CV跟驰行为交通适应性有所区别,即反应能力、舒适性、操控稳定性、安全性等不同。跟驰行为交通适应性组合评价结果表明,驾驶员感知决策能力大大提高,对车辆的操控稳定性更强,大部分情况下追尾风险性减小,即使较HV,基于V2V的CV跟车距离更近,但总体而言,CV跟驰行为的交通适应性比HV更高。