随着车辆网络(Vehicular Network)技术的发展,车辆间信息的实时动态交互成为可能。借助与周边车辆交互交通状态信息,车辆可以合理控制自身速度,从而达到与尾随车辆和前面更多视线范围外的车辆协同行驶,形成有序流动的车辆行驶队列。与传统车流相比,协同驾驶下的车流由于受到车辆信息交互因素的影响,其特性发生了根本变化。因此,基于传统驾驶环境建立的交通流模型,已难以刻画信息交互环境下的车辆协同驾驶问题及其复杂作用关系。目前,国内外对协同驾驶的研究还处于起步阶段,尚缺乏系统刻画协同驾驶下车流演变规律的理论体系,其关键理论的研究和模型的建立是亟待解决的核心问题。　　 为此,本文基于现有交通流模型研究成果,从宏观和微观两个层面,重点研究单车道上前后车辆的协同驾驶和两车道系统内车辆的协同驾驶,以期获得若干宏微观协同驾驶模型及其演化规律,并对其进行理论分析和数值模拟,探索协同驾驶下车流的各种非线性现象。论文的主要工作如下:　　 ①从微观层面,基于NaSch元胞自动机模型,考虑多前车交互作用和司机的延迟反应对随机减速概率的影响,构建了新的随机刹车概率函数,提出了LMDDR协同驾驶元胞自动机模型。　　 在NaSch元胞自动机模型基础上,考虑到实际交通中车辆的随机刹车概率不仅与驾驶员的反应延迟有关,而且也依赖于多前车交互作用下的局部平均密度,即当前方平均局部密度大时,驾驶员就会以更大的概率刹车,反之则减小。基于此,构建了一个新的随机刹车概率函数来刻画这种动态调整行为。在此基础上。提出了一个新的协同驾驶元胞自动机模型(LMDDR模型)。数值模拟表明:当考虑两辆前车信息(m=2)时,达到协同驾驶的最优状态,且获得的最大道路流量接近于交通实测值,明显优于NaSch模型的结果。LMDDR模型的研究结果表明,协同驾驶能提高车流陷入交通阻塞状态的阈值,并大幅提高了道路交通通行能力。同时,LMDDR模型能够反映实际交通的时停时走、系统临界相变等现象。　　 @基于LMDDR协同驾驶元胞自动机模型,研究并揭示了前导车数目、车流最大速度及交通相对协同驾驶车流能耗的影响。　　 通过引入交通系统能耗的定义和估计公式,基于LMDDR协同驾驶元胞自动机模型,研究了协同驾驶车流的能耗演化问题。周期边界下的数值模拟显示:两辆前车的引导信息对LMDDR模型的平均能耗影响最为显著,而随机能耗却与前导车数量无关;随着车辆最大速度增加,确定能耗的最大值增大,而对应的临界密度值则向左移动。对比发现:LMDDR协同驾驶模型的能耗演化特征与Nasch模型显著不同,且它的随机能量耗散远低于NaSch模型;研究系统能耗与交通流相的关联关系发现:在自由流阶段,随机能耗对交通系统的能耗起决定性作用,而在阻塞相阶段,起决定作用的则是确定性能耗。　　 ⑧从宏观层面,基于Nagatani格子流体力学模型,考虑交通预估效应的影响,提出了两个新格子流体力学模型[ALH模型和MALH模型),研究了两个模型在不稳定区域密度波的非线性特征。　　 Nagatani格子流体力学模型没有涉及实际交通中的预估效应,考虑到交通感知和预估范围的有限性,提出了对前方一个格点信息进行预估的格子流体力学模型(ALH模型)。通过对ALH模型不稳定区域密度波传播速度、振幅的研究,证实了预估效应能有效提高车流抗干扰的能力,抑制交通阻塞的形成。　　 在此基础上,基于ITS信息的应用,进一步考虑前方任意格点信息对车流的影响,提出了MALH协同驾驶格子流体力学模型。通过线性稳定性分析,获得了模型的临界稳定条件,通过非线性分析获得了其在不稳定区域密度波传播规律的mKdV方程。理论分析和数值模拟结果表明:考虑更多格点的预估效应,能进一步提高车流的稳定性。特别地,获得了MALH协同驾驶模型的最优状态,即仅需考虑前方两个格点(n=2)的信息,车流就能达到稳定状态。　　 ④基于ITS信息的应用,提出了考虑后视效应的协同驾驶格子流体力学模型(BLMALH模型),获得了后视效应下车流稳定性和密度波传播规律。　　 基于MALH模型,进一步研究了后方格点信息(后视效应)对车流的影响,提出了向后观测的BLMALH模型。通过线性稳定性分析获得了模型的临界稳定条件。运用非线性分析方法导出了描述临界点附近密度波传播规律的mKdV方程。研究结果表明:考虑后视效应时,车流密度波的传播速度和波动幅度均变小,车流稳定性得到有效增强,但过度关注后方格点信息会导致密度波往车流下游传播。　　 @提出了考虑中断概率的两车道宏观动力学模型,获得了交通中断概率对两个车道上的激波演变规律及换道率的影响规律。　　 针对两车道摩擦、交通中断概率以及两个车道上车辆位置、速度等因素对当前车跟驰行为的影响,提出了相应的两车道交通流跟驰模型。在此基础上,通过宏观-微观关联关系,并结合Daganzo多车道框架,提出了考虑交通中断概率的两车道宏观动力学模型。通过引入源汇项,研究了两个车道间的流量转移率。分析表明:该模型能正确模拟交通中断概率因素作用下的交通激波演化规律和车辆换道行为。　　 综上所述,本文深入分析了路段上协同驾驶对车流演化规律的影响,提出了若干具有一定前瞻性的协同驾驶模型,揭示了这些模型在稳定交通流方面的作用,并通过数值模拟和理论分析验证了模型的合理性。研究成果为ITS环境中协同驾驶下车辆行驶行为的理解和车流状况的分析,提供了相关的描述工具和理论基础。