城市干道系统承担主要的交通出行,交通量变化显著,高峰时段拥挤现象频繁出现。研究干道交通流运动状态特性,获得干道交通流的跟驰特性,认识干道路段交通流状态的转化规律和信号交叉口的交通流特征,对控制拥挤状态的产生,促进拥挤状态向离散状态转化,实施干道协调控制,提高路网通行能力等方面具有重要的意义。根据交通流状态指标,将交通流状态划分为拥挤状态、跟驰状态和离散状态,采用自组织神经网络,给出了各交通流状态的划分标准。通过回归分析,标定了交通流速度-密度关系模型,用来计算期望车头间距。根据Greeenberg模型建立了Greenberg期望车头间距模型,根据车辆跟驰过程中后车加速度与速度差和车头间距的关系,建立了基于期望车头间距的跟驰模型,采用Matlab中非线性回归函数标定了模型参数,并且采用解析的方法证明了本文提出的跟驰模型具有加速度非对称性。通过数值仿真,模拟了加速干扰和减速干扰对交通流状态的影响过程。提出加速度灵敏度描述交通流状态的动态特性,给出了加速度灵敏度的定义,在所建立的跟驰模型基础上,采用Taylor展开推导了加速度灵敏度的表达式,分析了状态转化过程的加速度灵敏度的变化规律,提出在状态转化过程中的合理取值范围。对交通流密度进行连续性假设,建立了基于车辆运动学的改进起动波和停车波模型,给出信号交叉口排队长度和消散时间的计算公式。分析了道路条件、控制类别和混合交通流对交通流状态的影响,分别针对驾驶员和交通管理者提出了保障交通流稳定运动的建议。主要研究成果包括:采用自组织神经网络把交通流状态划分为三个状态;建立Greenberg期望车头间距模型和基于期望车头间距的跟驰模型,证明了加速度非对称性,分析加减速干扰对交通流状态的影响过程;提出加速度灵敏度概念,并推导出表达式,分析交通流状态之间的转化规律,给出状态转化中加速度灵敏度的建议取值范围;建立了基于车辆运动学的改进起动波和停车波模型;给出信号交叉口车辆排队长度和消散时间的计算公式。