自动驾驶和车路协同技术在全面投入实际运用的过程中,必然经历由智能网联车辆和人类驾驶车辆组成的混合交通流阶段。基于有限的智能网联车辆的交通管控模式,将为交通流管控手段带来质的飞跃。通过控制智能网联车辆,可从物理上影响周边交通流的运行状态,改变传统交通流控制方法严重依赖人类驾驶员的服从率、缺乏精确性控制的现状,从而避免因为人类驾驶员驾驶行为的随机性和不确定性导致交通控制效率下降,解决瓶颈/拥堵区容量下降、消散率低等交通问题,有效改善道路交通效率和通行能力。论文充分利用智能网联车辆的可控性,以高速公路长路段和城市信号交叉口为例,开展了不同智能网联车辆渗透率的混合交通流主动控制方法的研究。主要创新性工作包括以下四个方面:(1)提出了高速公路长路段智能网联车辆极低渗透率的交通流主动控制方法。论文以两车道高速公路长路段为交通场景,通过控制分布于两条车道上的两辆智能网联头车以确定的速度和纵向间距行驶,从而人工构造移动瓶颈,控制交通流的运行状态。论文通过考虑人类驾驶车辆穿越不同构型的移动瓶颈时横向换道行为的随机性,分析不同换道行为并构建交通流演化模型,给出移动瓶颈周围交通流的计算方法。基于上述人工移动瓶颈构型与交通流的耦合关系,提出了一种基于多模换道的可变限速交通流主动控制方法,并通过仿真实验验证了在不同人类驾驶员驾驶行为下所提出的交通流主动控制方法的有效性。(2)提出了高速公路长路段智能网联车辆中低渗透率的混合交通流主动控制方法。承接第一方面工作,充分利用智能网联车辆渗透率提升导致可控性增加这一特性,基于智能网联车辆和人类驾驶车辆换道行为的差异性,构建各自的交通流演化模型,并给出混合交通流的计算方法。构建的“人工移动瓶颈构型-智能网联车辆接受间隙-交通流演化特征”耦合模型,通过协同控制人工构造的移动瓶颈和智能网联车辆的可接受前向换道间隙,获得更大的交通流可控范围。论文对比了智能网联车辆不同换道行为下的移动瓶颈周围交通流的数学模型理论结果和对照实验实际结果,验证了所提出的混合交通流主动控制方法的正确性;此外,论文还验证了不同的智能网联车辆渗透率下,所提出的混合交通流主动控制方法的控制效果。(3)提出了城市多信号交叉口基于预定义函数的智能网联车辆轨迹优化方法。针对信号交叉口频繁的走-停现象导致车辆产生过多燃油消耗的问题,考虑多信号交叉口之间的协同作用对车辆行驶轨迹的影响,综合交叉口信号灯约束和车辆运动学约束,以最小化车辆的燃油消耗为目标,建立车辆行驶速度预定义函数曲线,构建智能网联车辆的轨迹优化模型。通过仿真实验验证了所提出的轨迹优化方法能够有效地降低车辆通过多信号交叉口时的燃油消耗,并降低交叉口延误,从而改善交通效率。(4)提出了城市多信号交叉口智能网联车辆中低渗透率的轨迹优化方法。针对多车通过多信号交叉口的交通场景,考虑交叉口通行效率,从集中式控制和分散式控制两种角度,分别提出智能网联车辆中低渗透率下的车辆轨迹优化方法。集中式控制方法协同考虑多车的燃油消耗,构建不同队列组合模式下多车轨迹协同优化模型,并通过仿真验证了所提出的多车轨迹协同优化方法能够改善燃油经济性。分散式控制方法考虑了混合流中智能网联车辆和人类驾驶车辆纵向驾驶行为的异质性,分析了交叉口排队车辆对轨迹优化的影响,构建了考虑通行能力的轨迹优化模型,并在交叉口有/无排队的两种交通场景中考虑不同智能网联车辆渗透率,对比车辆燃油消耗、延误和交叉口通行车辆数,验证了所提出的轨迹优化方法的有效性。结果表明,所提出的方法能够有效的改善车辆燃油经济性,降低延误,并提高交叉口通行能力。高速公路长路段和城市信号交叉口的仿真结果证明,论文所提出的混合交通流主动控制方法能够充分利用智能网联车辆的可控性特征,有效改善道路通行能力,提升道路混合交通流的效率,为智能交通管控提供全新的、更为直接有效的管控手段。