车联网的引进将给道路交通的驾驶环境带来新变化,能够实时获取驾驶人、车辆、道路和环境等状态数据,实现车辆轨迹预测、路径动态诱导及安全行驶预警功能。道路交通是复杂、动态、随机的非线性系统,伴随着不可预知的扰动存在和高度变化的自然环境和人为因素,交通流时间序列呈现很强的非线性、非平稳和自相似特征,容易导致极端的交通事件。考虑提升道路通行能力,缓解交通堵塞和保障交通安全,本文按照交通流复杂性与相关性分析、交通流诱导反馈和交通流预警的逻辑层次展开研究,重点解决如何准确地描述、解析交通流序列之间耦合复杂性和互相关性及路况的突变检测,如何保证路径动态诱导的准确性与实时性,有效解决车辆“集聚”现象,以及如何有效进行车辆主动安全预警,有效减少交通事故的发生率,完善交通系统的科学管理与智能控制,提高道路容量和确保行驶安全,具有较好的理论和实际意义。论文面向车联网环境下交通流诱导反馈与预警建模,首先研究不同密度下的交通流时间序列的耦合复杂性、互相关性,探究交通流状态的变化趋势和波动程度,并完成路况的突变检测;其次建立瓶颈效应的对称双通道和非对称双通道元胞自动机交通流模型,提出加权平均车间距离反馈策略;最后,建立车联网抛洒物双车道元胞自动机模型,并与传统的目视抛洒物双车道元胞自动机模型对比验证,同时提出相应的事故判断标准和分析相应的事故率特性,为实现抛洒物的提前预警提供参考。主要的研究工作及创新点包括3个方面:(1)研究不同密度下的三相交通流时间序列复杂性与相关性。以微观的车头时距和速度为研究对象,研究采用多变量多尺度熵方法分析演化的交通流时间序列之间的耦合复杂性。结果表明,不同密度的多变量多尺度熵走势较相似,低尺度下复杂性较高,高尺度下,复杂性降低,反映了交通流短时难预测性,长时预测性较好的特性。研究采用多重分形去趋势互相关方法从全局和局部互相关性反映交通流状态的变化趋势和波动程度。考虑Hurst指数随不同标度而变化的可能性,不仅分析了不同时间间隔的局部互相关特性,还有效区分不同密度下的多标度区间的局部互相关影响和多重分形特征,并进一步地通过全局广义自相关Hurst指数与全局广义互相关Hurst指数之间的差异,分析联动行为与自相关之间的强弱变化,实验结果验证方法的有效性和可行性。最后运用多重分形去趋势互相关方法识别无标度区间,完成路况的突变检测。(2)研究车联网环境下的交通流诱导反馈策略。为了提升道路通行能力,帮助驾驶员合理地选择道路,实现交通流的动态均衡分配,有效解决车辆“集聚”现象,本文考虑高速公路实施路段封闭与设立限速区间的场景,引入限速瓶颈,建立瓶颈效应的对称双通道和非对称双通道元胞自动机交通流模型,提出加权平均车间距离反馈策略,研究该改进的策略在不同激进驾驶比例、不同道路长度比例和不同动态车比例的影响。提出的加权平均车间距离反馈策略,在车联网环境下,不仅考虑了每一时步每条通道上所有车辆的动态平均间距效应,还根据不同的车辆间距,调整相应的权重来反映道路的拥挤程度。实验验证了该反馈策略具有更好的稳定性和平衡性,提高了整个道路的平均流量。(3)研究高速公路上的抛洒物提前预警有效减少交通事故的发生率的控制方法。考虑抛洒物对驾驶行为的影响作用,提出了基于传统目视的抛洒物双车道元胞自动机模型和基于车联网的抛洒物双车道元胞自动机模型。基于这两个模型,分析了抛洒物引发的两类交通事故:抛洒物前车辆追尾事故(简称I类事故),碰撞抛洒物事故(简称II类事故),并提出相应的事故判断标准,通过模拟交通流时空特性并分析两类模型下的事故率特性,最后,基于车联网的抛洒物报警阈值分析对事故率的影响,给出不同密度下的合适报警阈值,为实现抛洒物的提前预警提供参考。进一步探索交通流分形特性与交通事故发生概率之间存在的联系,完善了车联网环境下的交通事故发生率的分形自相似研究。