雨雾环境下高速公路驾驶员在车辆跟驰行驶过程中需要考虑的安全因素多,交通安全风险高。尽管人们研究了雨、雾等单一不良天气对车辆跟驰行为的影响,并取得了诸多成果,但尚未研究雨雾耦合影响下的车辆跟驰行为规律以及车辆跟驰模型。因此,为了实现高速公路交通精细化管理和全天候通行目标,需要深入研究雨雾耦合作用下车辆跟驰行为特性并建立雨雾环境下车辆跟驰模型。结合车辆跟驰模型的基础理论和建模方法,探讨了经典的车辆跟驰模型（刺激反应模型、安全距离模型、心理生理模型、优化速度模型、智能驾驶员模型、元胞自动机模型以及人工智能模型）的特点和适用性,最终考虑车辆跟驰模型应有具体且简明的数学表达式,选择了Gazis-Herman-Rothery（GHR）模型、全速差（Full Velocity Difference,FVD）模型和智能驾驶员模型（Intelligent Driver Model,IDM）作为雨雾环境下高速公路车辆跟驰行为分析与模型标定的研究模型。采用文献分析方法,明确了雨雾耦合天气的定义与标准,确定了以车头时距、车头间距和前后车速度差为判别指标的跟驰车辆判别方法。采用视频检测技术,在西安绕城高速公路上分别采集了正常天气、小雨、大雾和雨雾环境下高速公路交通流数据,并通过数据预处理,获取了不同天气下高速公路车辆跟驰行为参数数据。基于实测车辆跟驰行为参数数据,分析了不同天气下高速公路车辆跟驰行为参数变化特点以及车辆跟驰行为参数之间的相关性,并重点分析了雨雾综合影响下对车辆跟驰行为参数的影响。研究发现,尽管雨雾环境对高速公路跟驰车速影响不大,但对跟驰车距影响显著,与正常天气、小雨环境和大雾环境相比,车头时距分别增加了15.35%、9.39%和8.37%,车头间距分别增加了14.77%、16.03%和17.75%。采用遗传算法,以后车加速度最小均方根百分比误差（Root Mean Square Percentage Error,RMSPE）为误差指标,结合实测数据,分别标定了正常天气、小雨、大雾和雨雾环境下的GHR模型、FVD模型和IDM模型的参数。进一步采用交叉验证的方式,验证了标定后的车辆跟驰模型结果,构建了雨雾环境下高速公路车辆跟驰模型。结果表明,相比GHR模型和FVD模型,标定后的IDM模型对雨雾环境下高速公路车辆跟驰行为的描述效果更好。研究成果可为进一步完善车辆跟驰行为研究提供参考,并为雨雾环境下高速公路的交通精细化管理提供理论依据和技术支持。