道路上运行的车流极易受到交通扰动的影响,随着扰动沿车队的传播不断扩大,从而产生车流的波动,车流波动是加速度波动的外在表象,研究车流波动内因规律及车流运行的宏观态势特性,对于车流的稳定运行至关重要。系统解析车流波动的动力学特性,进而分析车流宏观态势特性,优化设计车辆速度引导策略,为提高交通流的整体运行稳定性,减小交通振荡扰动对交通流的影响提供技术支持。首先,梳理分析各类传统跟驰模型,研究基于分子动力学的分子跟驰模型,介绍在智能网联交通场景中的ACC模型及其改进,推理分析了网联环境下混合交通流的动态特性,并建立车流特性的动力学模型。其次,针对跟驰车辆的运行速度和加速度呈现随机动态波动这一现象,利用车流基本参数关系,确定车辆间需求安全距离-速度定量关系;基于分子跟驰模型定义加速度波动敏感系数,利用实测数据进行参数标定和数值拟合,确定其定量关系;聚焦加速度变化这一车流波动的内在因素,系统分析加速度波动与车流态势演化间的关系,探究车流在自由、同步和阻塞状态间的演化规律。然后,在加速度波动分析基础上,基于k均值聚类算法设计快速路车流态势划分方法,利用青岛市环湾快速路视频检测器所获取的车流数据进行数值仿真验证;基于车流态势特性的波速理论构建车流态势指数模型,进而分析车流态势的演化规律,对比分析态势指数和加速度波动敏感系数,并将车流态势指数模型的拟合结果与利用k均值聚类算法进行态势划分所得结果进行对比分析,验证模型的有效性。最后,设计网联环境混合交通流的网联车辆速度引导策略,预测下游HV扰动轨迹,进而优化上游CAV运行速度,引导上游CAV所在的车队实现以合理的速度平稳汇入下游车流中的目的。仿真实验表明:CAV比率越高,扰动起始位置越远,抑制交通振荡的程度越明显,车流运行稳定性越高,可减小车辆间的碰撞风险,提高驾驶员舒适度和车流整体通行效率。