2015年12月,《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中提出了"一带一路"建设,再次聚焦交通问题,同时也表明经济发展离不开交通的发展。为对交通流进行深入研究,学术界相继提出了宏观连续模型、跟驰模型和元胞自动机模型等交通流模型。在这些模型中,跟驰模型将车辆处理成相互作用的分散粒子,使其便于在计算机中进行模拟仿真,故应用广泛。在实际交通流中驾驶员并不是同质的,驾驶员异质性是普遍存在的。在心理学体系中,人与人之间存在着较大的差异性,例如性别、年龄、社会经济水平、受教育程度、健康状况等个体差异。在上述的变量中,有些与交通流建模相关,其直接地影响被驾驶车辆在给定操作环境和时间下的路径和速度。虽然驾驶员异质性的研究有很多,但是并没有先从驾驶员的异质性出发,多数先是统一处理数据,再进行异质性分析。鉴此,本文以大量驾驶员的轨迹数据为基础,拟对驾驶员行为进行深入研究,并提出科学的驾驶员分类方法,进而建立参数随机分布的车辆跟驰模型,并对不同类型车辆的环境影响因素进行分析。本文主要工作如下:(1)本文详细介绍了驾驶员异质性、车辆跟驰模型以及车辆油耗和污染物排放的相关研究内容。基于大量机动车数据(NGSIM数据),采用聚类分析的方法,对驾驶员进行分类。基于分类结果的特征,将驾驶员命名为"鲁莽—迟钝"型、"鲁莽—敏感"型、"谨慎—迟钝"型和"谨慎—敏感"型四类。(2)本文以GHR跟驰模型为基础,对车辆跟驰模型的参数分布特征进行深入研究。通过多元线性回归分析,得到了不同类驾驶员下GHR模型中各个参数的分布特征,并结合驾驶员类型进行了分析。(3)本文介绍并应用了 VT-Micro模型,然后根据油耗排放的回归系数计算了不同类型驾驶员的油耗分布、二氧化碳排放分布以及氮氧化物排放分布。通过其分布特征发现具有"谨慎"属性的驾驶员无论在油耗还是污染物排放量方面普遍高于"鲁莽"类驾驶员。反观具有"鲁莽"属性的驾驶员,其在油耗及排放方面的表现较为稳定,波动性远小于"谨慎"类驾驶员。