随着我国城市的快速发展以及机动化的加剧，城市交通系统变的越来越复杂。
在这个复杂的系统中，交通流理论成为研究的前沿和热点。
交通流理论是一门交叉性边缘学科，其目标在于建立能够描述实际交通一般特性的交通流模型，以届时控制交通流动的基本规律。
交通流理论研究内容广泛，可分为微观交通流、中观交通流和宏观交通流。
其中微观交通流又分为车辆跟驰模型和换道模型，由于换道模型过于复杂，过去的大部分研究主要集中在跟驰模型。
车辆跟驰理论是运用动力学方法，研究在无法超车的单一车道上，车辆列队行驶时，候车跟随前车行驶状态的一种理论，它用数学模型表达跟车过程中发生的各种状态。
典型的跟驰模型主要包括：基于刺激-反应的GM 模型、基于安全间距的跟驰模型（CA）、线性跟驰模型、基于生理-心理的跟驰模型（AP）、基于人工智能的跟驰模型（模糊推理跟驰模型）、其他车辆跟驰模型（如基于多种期望值的跟驰模型、最优速度车辆跟驰模型、基于非参数回归的车辆跟驰模型、考虑驾驶员特性的跟驰模型等）。
1. 跟驰模型发展概述交通流跟驰理论的研究始于20世纪50年代，1950年Reushel和1953年Pipes 研究的跟驰过程，是跟驰理论研究开始的标志。
1960年前后，Gazis、Heiman和Rotho等人提出了GM系列模型，成为早期跟驰理论研究中最重要的研究成果。
1959年Helly提出了线性跟驰模型，同年Kometani和Sasaki提出了CA （元胞自动机）模型。
1962年，Miachaels 提出了基于期望间距的跟驰模型，次年又提出了生理-心理模型。
1992年Kikuchi和Chakriborty提出了基于模糊逻辑的跟驰模型。
国内学者在跟驰理论研究方面的主要成果有贾洪飞和隽志才提出的基于期望间距的车辆跟驰模型和基于模糊推断的车辆跟驰模型及基于驾驶员认知过程的车辆跟驰模型。
徐伟民、熊烈强提出的与车辆跟驰理论统一的一维交通流动力模型。
唐铁军、黄海军、薛郁提出的改进的两车道交通流格子模型。
关于车辆跟驰行为的综述摘要：车辆跟驰（Car Following，CF）是最基本的最微观的驾驶行为，描述了在限制超车的单行道上行驶车队中相邻两车之间的相互作用。
随着科学技术的进步，车辆跟驰模型也在不断更新。
本文通过对国内外关于车辆跟驰行为的文献研究，总结了车辆跟驰理论的特点，回顾了近年来车辆跟驰理论的发展历程，并分析了重要的车辆跟驰模型。
最后，因为车辆跟驰模型影响因素较多，且随着道路交通系统的发展，车辆跟驰理论也要不断更新，与时俱进。
关键词：综合交通运输；交通流特性；车辆跟驰模型；综述中图分类号：U268.6 文献标志码：A0 引言在道路上时常出现车辆因环境、驾驶人或交通管制等原因而无法超越前车，只能跟随在后面行驶的现象，这就是车辆跟驰。
车辆跟驰行为是驾驶人在道路交通环境中的主要驾驶行为之一。
相关学者在采集跟驰行为数据和驾驶特性问卷调查的基础上，通过跟驰距离、车头时距、车头时距的分布及反应时间等指标，对比分析不同驾驶人在跟驰行为中的感知、判断及操作特性的差异，他们发现，不同地区、年龄、性别及驾龄的驾驶人，跟驰特性对道路交通安全的影响程度不同。
因此，对车辆跟驰行为进行研究有助于更深入地理解交通流的特性，进而将这些成果运用于实际的交通规划与管理中，充分发挥交通设施的作用，提高交通系统运行效率，降低交通事故发生的概率。
因此，本文回顾了近些年来不同的学者对车辆跟驰行为研究的成果，总结了主要的研究方法和模型，并对未来研究的趋势和所面临的挑战做了展望。
1 车辆跟驰理论概述1.1车辆跟驰理论的概念车辆跟驰（Car Following，CF）是最基本的最微观的驾驶行为，描述了在限制超车的单行道上行驶车队中相邻两车之间的相互作用。
车辆跟驰理论既是微观交通流理论最基本的仿真模型,也是理解宏观交通流形成的理论基石,而且具有指导交通组织管理、缓解交通拥堵的现实意义.在跟驰模型研究中,车辆被看成分散的、存在相互作用的粒子,在假设没有超车的情况下,通过研究后车跟随前车的动力学过程,进而分析单车道上交通流的演化特征。
车联网环境下高速公路车辆跟驰模型及仿真研究共3篇车联网环境下高速公路车辆跟驰模型及仿真研究1车联网环境下高速公路车辆跟驰模型及仿真研究随着车联网技术的发展，高速公路上的车辆跟驰行为受到越来越多的关注。
跟驰行为是指车辆在道路上行驶时，根据前方车辆的速度和间距，调整自身速度和位置，保持一定的车距与车速，避免追尾和交通拥堵发生。
本文将探讨车联网环境下高速公路车辆跟驰模型及仿真研究。
一、车辆跟驰模型车辆跟驰模型是指描述车辆在路面上跟随前车的行为规律。
目前已经被广泛研究的跟驰模型有不少，其中以“安全距离模型（SDM）”、“改进兔子模型（IDM）”、“新交通流模型（NMF）”等为代表。
SDM模型主要根据能看到的前车，在保持安全距离前提下决定自己的速度和位置，方程如下：$$a_i = \begin{cases}0 & \text{if}\ {L_i}^* \leq L_{i\beta} + s_i + \frac {v_i T} {2\sqrt{a_i b_i}} \\A_i(\frac{({L_i}^* - L_{i\beta} - s_i - \frac {v_i T}{2\sqrt{a_i b_i}})}{{v_i}^2}) & \text{if}\ {L_i}^* > L_{i\beta} + s_i + \frac {v_i T} {2\sqrt{a_i b_i}}\end{cases}$$其中，$a_i$表示车辆加速度，$v_i$表示车速，$T$为反应时间，$L_{i\beta}$为车身长度，$L_i^*$为前车尾部到后车前部的距离，$s_i$为安全距离，$A_i$和$B_i$均是正参数，在跟驰过程中会根据后车和前车的速度差和距离进行调整。
IDM模型则更注重车辆之间的相互影响和协同，使用了车辆间的间距，速度和加速度三个因素，方程如下：$$a_i = A_{i}(1 - (\frac{v_i}{v_0})^{(\delta + \epsilon + \alpha)} - (\frac{s^*}{L_i})^2)$$其中，$v_0$表示车辆的期望速度，$\delta$为自由随意的驾驶度，$\epsilon$为安全距离调整参数，$\alpha$为交通流聚集参数，$s^*$为车辆最小安全距离，$L_i$为后车和前车之间的距离。
