随着网联自动驾驶车辆（Connected and Autonomous Vehicle,CAV）逐渐成熟和普及应用,高速公路运行主体将从传统人工驾驶交通流逐步过渡到机器驾驶交通流。在过渡阶段,网联自动驾驶车辆和人工驾驶车辆（Human Driven Vehicle,HDV）混行将成为一种常态。由于运行特征、行为特性等方面的差异,传统以HDV为对象的交通流理论和模型方法在分析混行交通流特性时将出现较大误差。特别是在低能见度环境下,如何充分利用CAV在环境感知方面的优越性,引导和协同HDV车辆安全、稳定行驶,从而充分利用道路交通资源、降低交通事故,是过渡阶段CAV优势体现和应用落地的一个重要方面。因此,亟需对CAV和HDV混行交通流进行建模分析,以为未来低能见下高速公路交通流的运行管理和控制提供决策支持。本文通过分析驾驶人在低能见度和混行条件下的驾驶特点,考虑交通流的运行安全和效率,分别提出了HDV和CAV在低能见度混行环境下的驾驶行为模型,并搭建了低能见度下混行交通流仿真平台,对交通流在不同场景下的运行效率进行仿真评价。本文的研究内容主要体现在以下三个方面:（1）通过对低能见度混行条件下驾驶行为网络问卷调查,分析并量化了低能见度混行交通流影响因素和行为特性。针对驾驶人对前方CAV信任程度的差异,提出了基于信任因子的HDV改进全速度差跟驰（Full Velocity Difference,FVD）模型;针对混行条件下CAV行驶位置和通信性能,提出了基于自适应巡航控制（Adaptive Cruise Control,ACC）策略的跟驰模型。（2）针对低能见度下驾驶人不会轻易选择换道的特点,提出了低能见度下基于规则的HDV换道行为决策模型和基于控制李亚普诺函数-控制障碍函数-二次规划的换道执行模型。同时,针对驾驶人对CAV换道反应和换道安全需求,提出了基于强化学习的CAV强制换道决策模型和基于奖励的CAV自由换道决策模型,并基于多项式和模型预测控制（Model Predictive Control,MPC）,提出了CAV换道执行模型。（3）通过低能见度混行条件下微观车辆模型构建和模拟,搭建了低能见度混行交通流仿真平台,采用交通流机动性、稳定性、油耗以及排放等指标,分析不同场景对高速公路交通流运行效率的影响。