交通震荡（又称“时停时走”交通现象）是微观交通个体行为的群体表现，即车辆减速-加速过程中运动波向上游传播的现象，常伴随快速路的交通拥堵现象出现。深入研究交通震荡演化机理对于揭示快速路交通拥堵传播机理、制定拥堵疏导和控制策略等方面具有重要的指导意义。由于缺少微观数据支持，目前关于交通震荡演化与车辆微观跟驰行为特性的内在关系尚未厘清。本文以视频图像识别技术提取的高精度车辆行驶轨迹数据为基础，对交通震荡演化及驾驶人跟驰行为特性展开系统化、定量化的研究分析。全文的主要内容包括如下方面：
　　首先，进行了车辆行驶轨迹数据清洗与去噪算法研究。选取 NGSIM 项目 US-101数据集与南京市应天大街快速路轨迹数据集作为研究的数据基础，详细介绍了数据来源与数据结构，分析数据中异常值和测量误差的存在原因以及错误数据比例；提出分两步进行的数据清洗与去噪算法：1）采用一阶差分法修正速度突变误差；2）卡尔曼滤波消除数据噪声；通过加速度统计分布、Jerk分析法等验证了处理后的数据变换平缓同时保持了原始轨迹的数据特性和结构特征，可满足后续研究的数据精度要求。
　　其次，基于高精度轨迹数据分析交通震荡演化特征。采用墨西哥帽小波识别车速变化，通过追踪小波能量峰值确定交通震荡的产生位置和时空传播特性（震荡幅度、持续时间和强度等）；以非对称驾驶行为理论以及车辆运行相变规律为支撑，采用理论分析与数据验证相结合的方法分析交通震荡产生、增长和消散阶段的演化特征。
　　再次，进行了驾驶人跟驰序列提取与运行特征分析。采用基于车辆跟驰条件的判定方法，提取交通震荡过程中驾驶人跟驰行为序列，构建跟驰数据集。采用数理统计分析方法研究驾驶人跟驰行为运行特征参数的统计特性与变化规律，探讨我国与美国轨迹数据库中驾驶人跟驰行为运行特征存在的共性与差异，分析的主要特征参数包括：速度、加速度、车头间距、跟车距离、车头时距、时间间隔、加/减速反应时间等。
　　最后，进行了交通震荡演化过程中驾驶人感知反应特性识别研究。改进了基于轨迹数据的驾驶人感知反应特性参数提取方法，构建了激进型、普通型和保守型驾驶风格划分的聚类判别模型；分析不同驾驶风格的驾驶人在交通震荡过程中的感知反应特性变化，用以解释非对称驾驶行为特性；最后将驾驶人的感知反应特性引入到车辆跟驰模型中，研究驾驶人的感知反应特性对交通流状态稳定性的影响。