公路交通系统是现代城市的重要组成部分,然而随着人口数量和机动车保有量的爆炸增长,交通拥堵、交通事故和交通环境污染成为制约交通系统良性发展的顽疾,如何对庞大复杂的交通系统进行有效的管理成为各地政府需要解决的问题。而随着计算机技术的飞速发展,利用仿真系统对路网车辆运行进行实时的建模、仿真和预测,从而提供决策支持正成为交通管理领域最有效的研究方法之一。面向支持决策的交通仿真系统应当至少具有实时和准确这两大特征,但是目前的交通仿真软件或监控系统大都不是基于实时的交通数据进行建模,并且基本都忽略了驾驶行为的异质性特质,从而会导致模拟的结果与实际状况有较大偏差。基于此问题,本文在数据源获取、跟驰模型标定与优化、异质性分析和试验仿真等方面开展了深入的研究,取得了较好的研究成果。针对实时数据建模的需求,本文提出了利用驾驶员的手机采集实时位置信息进行驾驶建模的方法,并通过实际道路的跟驰试验进行了可行性论证。本文以RTK GPS的数据为参照标准,详细分析了不同手机的定位误差和建模误差,利用单纯形算法对扩展GM模型进行了参数标定,从建模的拟合优度、模型的鲁棒性特征和参数的敏感性等几个方面进行了标定模型的综合评价,验证了含有噪声的手机数据在跟驰行为建模中的可行性。针对个体精细化建模的需求,本文利用UC-win/Road仿真软件和模拟驾驶器进行了43组模拟跟驰试验,分析了不同驾驶员的驾驶特性,对驾驶员的不同阶段的反应时间进行了标定,证明了不同人的反应时间存在显著的差异性并且服从某种多峰对数正态分布;基于模拟试验采集的交通数据,采用遗传算法对Gipps模型完成了参数的标定工作,并利用聚类分析的方法研究不同人对应的模型参数的分布情况。通过疏散仿真系统对该方法进行了初步的验证,证实了在建模过程中是否考虑个体异质性将会对最终的宏观仿真结果产生不同程度的影响。本文通过实际和模拟两个试验,分别研究了手机数据进行驾驶行为建模的可行性和驾驶员的驾驶行为异质性特征,并基于此研究结论提出了一种面向决策支持的交通仿真建模系统的初步框架。本文的研究成果可为交管部门的交通仿真系统开发提供科学有效的理论支持。