跟驰模型从交通流的基本元素——人车单元运动与相互作用的层次上分析交通流微观特性,对交通安全、交通管理、通行能力、服务水平等方面的分析都有着重要的意义。本文以构造能够准确反映我国城市快速道路上实际交通流跟驰特性的车辆跟驰模型为最终目标,对城市快速路上行驶的车辆跟驰行为展开研究。主要进行如下内容的研究:(1)对国内外已有的跟驰模型进行分类总结,对已有模型进行了系统的评价。确定了从“实际应用出发,依靠高新设备采集跟车数据,运用科学的理论方法,结合计算机仿真技术”的技术路线。(2)运用基于车载高精度GPS的跟驰数据采集方法,采集了大量真实反映我国城市快速道路交通条件特性的车辆跟驰数据。通过数据分析和整理,得到大量的城市快速路车辆跟驰交通流数据,为建立基于人工神经网络的车辆跟驰模型的提供的数据支持。(3)通过数理统计的方法,对得到的跟驰数据进行分析得到快速路车辆司机反映时间,为跟驰模型建立提供参数依据。(4)对人工神经网络对于跟驰行为研究的适用性进行论述。根据对跟驰理论的研究,确定神经网络的输入、输出变量,并分别建立基于BP网络和径向基网络的跟驰模型。利用试验所得的跟驰数据,对神经网络模型进行训练与测试。(5)对建立的基于神经网络的跟驰模型和传统动力学模型进行仿真。对模型仿真的效果进行比较,得到对模型的综合性评价。根据模型仿真的效果可以看出,论文所建立的模型为城市快速路交通流理论研究及微观模拟提供了一个高效的、一定程度上能真实表达车辆跟驰特性的模型。