微观交通仿真已在计算机仿真技术的推动下得到了蓬勃的发展。因其具备经济、便捷、针对性强、可重复利用等优点而应用于交通组织影响分析、交通波动分析、ITS评价、以及道路运行状况分析等多个交通领域。然而，仿真模型若缺乏有效的参数校正和验证将被视为“黑箱”操作，即无法判断仿真模型是否能真实有效模拟现实交通，故仿真模型的校正已得到相应的重视并成为热门的研究话题。纵观国内外相关研究，大部分仿真校正都是以考虑均质交通流的校正为主，而忽略了混合交通流的现象。为弥补这一不足，本文研究了考虑混合交通流的微观仿真模型校正方法，即同时考虑车辆集计校正和车辆分类校正，并建立和编制了一套自动校正程序，以高效解决混合交通流微观交通仿真问题。混合交通流微观仿真模型校正的实质是较为复杂的多变量、多目标的寻优问题。当前解决寻优问题较为热门且成熟的算法之一即为遗传算法。经过分析研究，发现该算法虽然有较强的全局搜索能力和鲁棒性等优势，但解决大型搜索问题时易发生局部收敛的弊端也不容忽视，因此本文引入或建立模拟退火思想、小生境技术处理、参数组排序选择策略、按敏感度生成参数组交叉位点等方法，提出了适用于混合交通微观模型校正特性的改进的模拟退火遗传算法（ImprovedSimulated Anneling Genetic Algortithm）。模型参数校正自动化的实现，除需提出合理可行的校正方法，还需建立数据链接使校正程序与微观仿真软件之间实现数据的传递与仿真运行控制。介于该目标，笔者采用MATLAB编制了ISAGA程序，并将其划分成仿真模块、控制模块和ISAGA模块，各个模块各司其职实现校正的自动化。本文以广西某高速公路的基本路段的CORSIM仿真模型为例，进行ISAGA程序自动校正。结果显示，校正程序迭代至17代左右时校正目标吻合度已到达校正目标阈值（≤15%），证明了校正程序的高效性；仿真运行输出的车辆集计校正的行程时间吻合度在3%以内，车辆分类校正的行程时间吻合度在13%以内，证明ISAGA自动校正程序的可行性和车辆分类校正的必要性。