雾天天气对道路上车辆行驶的安全性具有严重的影响。当人工驾驶车辆（HDV,Human-driven Vehicle）在雾天环境行驶时,由于驾驶员的可视距离和感知能力急剧下降,车辆发生碰撞事故的概率大幅上涨。因此,如何保证雾天环境下的车辆行驶安全成为交通领域的一项重大难题。本文以雾天环境下行驶的车辆作为研究对象,在传统车辆向网联自动驾驶车辆（CAV,Connected Automatic Vehicle）转变的不同阶段提出相应的解决方案,主要研究内容如下:（1）建立雾天驾驶员模型,并对HDV在雾天行驶的安全性进行分析。针对雾天环境下HDV的驾驶行为特性进行分析,结合Helly模型建立雾天驾驶员模型。利用雾天驾驶员模型分别对加速和减速过程中的车辆行驶状态进行分析,得出传统汽车在雾天环境下行驶更容易发生碰撞,严重威胁驾乘人员的生命安全。（2）在CAV和V2V（Vehicle to Vehicle）技术发展未成熟时,提出基于去雾算法的雾天驾驶辅助显示界面。去雾算法将大气散射模型与深度卷积网络相结合,并利用深度卷积网络对大气散射模型中的全局大气光值和传输图进行联合估计。结果表明该算法能够显著改善雾天图像的清晰度和对比度。利用基于去雾算法的雾天驾驶辅助显示界面可以增强驾驶员对前方道路环境的感知能力和可视距离,从而提高雾天人工驾驶的安全性,实现对行驶过程中车辆的辅助功能。（3）在CAV和V2V技术发展较为成熟时,建立雾天CAV队列,且车辆队列的上层控制采用鲁棒控制器。将领航车辆在雾天环境中的加、减速度作为鲁棒控制器整体的外部干扰。仿真结果表明,在不同的外部干扰、拓扑结构及队列规模下,尽管鲁棒控制器刚开始会产生一定的振荡,但能够快速收敛实现车辆安全跟随的功能。（4）驾驶员在环测试验证。利用MATLAB/Simulink、PreScan、CarSim及Logitech G29搭建驾驶员在环测试平台。结果表明,与HDV队列相比,CAV队列能够实现雾天环境下车辆的安全行驶,且在不同拓扑结构下,均能实现对领航车辆的速度和车间距离跟随并最终趋于稳定行驶状态。因此,利用V2V协同控制技术和CAV技术能够有效降低雾天车辆队列碰撞事故的发生率,提升雾天环境下车辆的行驶安全性。