描述合理的交通流模型不仅有利于理解车辆的行驶行为,而且对分析交通流状况,规划交通路网有着十分重要的作用。近几十年来,不同领域的研究者从各自的角度对交通流的特性进行分析,建立了许多交通流理论及其模型。根据描述的细节不同,通常可以将这些模型分为微观交通流模型(包括刺激反应模型、安全间距模型、微分方程模型和元胞自动机模型等)、中观交通流模型、宏观交通流模型。本文主要研究微观交通流模型中的随机行为。在分析对比已有的各种随机分布在发车模型中的应用后,采用了应用比较广泛的威布尔分布作为发车模型的基础,并对其进行改进。引入时间参数作为威布尔分布的形状参数,使得仿真系统在不同时间段具有不同的发车特征。在跟驰模型中,通过对驾驶员行为特性的分析,根据模糊集理论将驾驶员分为保守型、普通型、冲动型,对驾驶员跟驰安全时距进行建模,建立安全时距模糊集隶属度函数计算安全时距,代替了不考虑驾驶员特性确定出安全时距的方法。体现了驾驶员特性在跟驰模型中的作用,使得跟驰行为更加符合实际情况,并在已有的跟驰模型基础上引入加速度计算规则,体现驾驶员特性在跟驰中的作用。在换道模型中,重新构建换道模型,并将驾驶员行为特性作为换道决策的一个参数,充分体现了驾驶员的个体差异在换道决策中的作用。最后,建立交通流仿真系统,结合交通流理论曲线,对以上修改的模型进行验证,并对得出的结果进行分析,说明改进的能够较好的反映出交通流的特征。由于驾驶员的行为是一个复杂的行为,驾驶员的特性很难用一个特定的量来描述。本文只是给出了一个尝试性的解决方法,如何对驾驶员行为进行更加合理的描述还有待于进一步分析和研究。