随着道路交通流量的不断增加，车辆之间的作用关系越来越明显，刻画车辆作用关系的内在机理，揭示其演变规律是提高车流平稳性的重要手段。ITS(IntelligentTransport System)系统的广泛深入应用，使得车辆可快速获取与反馈运行信息，并根据这些信息合理控制自身状态，以达到前后多车的协同行驶，从而形成一个有序流动的车辆行驶队列。然而，传统的交通流模型未考虑前后多车信息，已难以刻画车辆相互作用下的车流演变规律。因此，系统地刻画ITS环境下车流演变规律，进而研究提高车流稳定性的控制方法已成为亟待攻克的核心关键任务。为此，本文以现有交通流微观模型为基础，考虑前后多车信息，建立车辆相互作用下的跟驰模型，以揭示ITS环境下车流演变规律；在此基础上，为使模型能适应交通系统非线性变化的特点，对模型进行时变参数标定；进而研究保证车流平稳运行的控制策略。论文的主要工作如下：①考虑邻近双前车最优速度差及其后视效应的综合作用，构建基于前后车信息的CI-CF跟驰模型，揭示考虑前后多车信息的车流演变规律。基于FVD(full velocity difference)模型、BLVD(backward looking and velocitydifference)模型，利用在ITS环境下获得的前后车信息，提出一个考虑邻近双前车最优速度差和后视效应CI-CF(a new comprehensive information car-following)模型。通过线性稳定性分析，得到模型的稳定性判据；采用非线性分析方法，推导出mKdV方程，用于描述系统在临界稳定点附近的交通流特性。在周期边界条件下，运用数值仿真验证车辆启动过程、停止过程、演化过程的理论研究结果正确性。仿真结果表明，与FVD模型、BLVD模型相比，综合考虑邻近双前车的最优速度差和后视效应，可使车流拥有更好的协同行驶特性，最大程度使得车流运行行为趋于一致，真实刻画了车流演变规律。②针对跟驰模型时变参数标定问题，提出一种自校正的参数标定方法，使CI-CF模型更能适应交通时变特性。为使CI-CF模型能更加准确地刻画各类交通非线性现象，必须应用实测交通数据对模型进行参数标定。首先给出基于最小二乘法的模型参数标定方法；考虑到交通系统时变特性，然后提出一种自校正的跟驰模型参数标定方法，以解决跟驰模型时变参数的标定问题。实验结果表明，提出的自校正参数标定方法因可以根据交通环境的变化来实时动态标定参数，与传统成批处理的最小二乘参数标定法得出一个恒定的参数标定结果相比，更能准确刻画车流演变规律。利用提出的参数标定方法对FVD模型、BLVD模型进行参数标定，实验结果进一步证明CI-CF模型能更准确刻画车流演变规律。③针对车流平稳性控制问题，考虑多前车稳态期望速度效应，基于CI-CF模型，提出保证车流平稳运行的控制策略，形成MSDVE模型。在Konishi等人的基础上，充分考虑前方多辆车的信息，以驾驶员期望的稳定速度前进为目标，基于CI-CF模型，设计一个车流平稳运行的控制策略，形成MSDVE(multiple steady desired velocity effect)模型。运用反馈控制理论，得到车流保持稳定的条件。仿真结果表明，在同等条件下，提出的模型所得到的车流平稳性运行状况优于无控制情况，也优于KKH(Konishi K.,et al)模型、ZG(Zhao and Gao)模型的结果。与ITS(Han X L)模型相比，由于考虑了稳定期望速度效应，可使交通系统的稳定性增强，车流运行更加平稳。④在上述平稳性控制策略基础上，进一步考虑后视效应的作用，提出基于前后车综合信息的稳态期望速度控制策略，形成SDVEPF模型。在考虑多前车稳态期望速度效应的稳定性控制策略基础上，进一步考虑后视效应的影响，提出考虑前后车综合信息的车流平稳性控制策略，形成SDVEPF(steady desired Velocity effect of Preceding and Following Cars)模型。同样运用反馈控制理论，得到车流保持稳定的条件。仿真结果表明，考虑前后车稳态期望速度综合效应作用，车流运行状态更加平稳，车辆速度平滑度和幅度更小，因此，考虑前后车稳态期望速度综合效应的SDVEPF模型，比仅考虑多前车稳态期望速度效应的MSDVE模型更利于控制车流平稳运行。综上所述，本文立足于交通系统智能化，提出了更符合交通实际和具有一定前瞻性的跟驰模型，研究了模型线性与非线性特性、时变参数标定以及车流平稳性控制问题，理论分析和仿真实验均验证了上述工作的有效性。研究成果为ITS环境中车流运行状况的刻画与分析，提供了相关理论基础和方法。