智能网联汽车是实现智能化和网联化的新型交通工具,在驾驶过程中与传统人工驾驶车辆在信息识别、驾驶决策和行为控制等方面存在显著区别,现有的交通流模型不足以充分描述智能网联汽车产生的交通流特征,难以满足新形势下的道路交通需求。因此,如何对智联网联驾驶环境下的车辆跟车、换道行为进行建模,如何利用智能网联汽车的信息交互作用实现车辆间的有效协同从而缓解交通堵塞、提高道路安全是目前亟待研究的问题。围绕上述问题,本文以智能网联汽车形成的交通流问题为研究对象,在三车道的平直道路环境下,建立面向智能网联汽车的交通流模型和考虑协同驾驶策略的三车道交通流模型,具体研究内容如下:(1)分析和阐述了智能网联汽车驾驶与传统人工驾驶条件下在安全距离、跟车行为等方面的区别。通过结合智能网联汽车的实时信息交互技术,对车辆间的安全距离以及交通流随机慢化概率进行合理修正设计,建立智能网联汽车的可变安全距离模型和跟车子模型。(2)将智能网联汽车的驾驶行为划分为跟车和换道,根据三条车道上的换道决策条件建立不同车道上的换道模型,构建了智能网联汽车的三车道交通流模型,包括上述跟车子模型和换道子模型。通过对人工驾驶条件下的交通流模型和智能网联汽车交通流模型进行数值仿真,可知智能网联驾驶模型能使道路通行率和平均速度分别提高15%和3%,同时使车辆流达到平衡状态所需时间降低200秒,上述数值分析结合时空轨迹图等仿真结果表明智能网联汽车能有效提高道路通行效率、安全性和匀质性。(3)提出了一种面向智能网联汽车协同驾驶的交通流模型,该模型在智能网联汽车的交通流模型基础上,根据车辆与周围车辆之间的位置、速度,分析相邻车辆之间的相互影响关系,以冲突车辆之间的速度损失最小或车辆间距更大为收益函数确定目标车辆以及相应的驾驶策略以实现协同驾驶。将其与智能网联汽车的交通流模型仿真实验结果进行对比,发现所有车辆达到稳定状态所需的时间进一步降低了100秒,并且道路通行率和平均速度分别提高了3%和0.8%;同时,在相同道路密度条件下,交通流量提高了9%。综合其他定性评价指标结果可知智能网联汽车协同驾驶的交通流模型能够进一步提高交通速率和舒适性,同时能有效降低换道次数,从而提高道路通行安全。