交通流建模的研究对模拟真实交通流现象、解决交通流存在的问题、预测可能出现的交通状况等具有理论价值和现实意义。然而现有交通流建模方法或从宏观层面来描述整体交通流现象,或针对驾驶员的某一行为进行细致刻画,无法模拟交通流中驾驶员的异构性、动态性、行为模糊性等行为,及其相互之间的交互过程。本文从交通流中的驾驶个体出发,在分析交通流应用场景的基础上,利用基于代理的建模方法,从驾驶员行为、交通路网环境两个方面剖析并构建了交通流模型,从而真实模拟交通流现象,并验证交通流模型的真实性。本文首先从交通流中驾驶员行为的不同应用场景出发,分析得到驾驶员行为建模的技术需求,并以此为基础提出感知、决策、行为、情绪累积四个步骤的驾驶员行为框架,采用类模糊神经网络的方法构建了驾驶员行为决策算法,并针对不同路况下行为的差异性,提出自由流、拥塞、路口三种不同路况模式下的具体行为状态变化准则。然后,本文采用基于代理的建模方法,构建了交通流所处的交通路网,生成了驾驶员车辆和OD矩阵所形成的交通流量,以及对代理的属性和代理的行为进行了定义。同时,分别从代理之间的交互和代理与环境之间的交互两个方面进行建模,从而形成宏观交通流的涌现。最后,采用Net Logo软件对所构建的交通流模型进行实验分析,从而验证了模型的真实性和优越性,并由实验分析得到:越是守规矩的驾驶员,其不规则行为所需的累积时间越长,不规则行为概率越低;三种路况下,拥塞流不规则行为数量最高,而路口最低;同时,提高交通流中驾驶员守规矩程度,能够有效改善不规则行为的情况。