元胞自动机模型是建立复杂系统的离散模型,在经历了运动学模型、车辆跟驰模型以及动理论模型的发展之后,元胞自动机模型在交通流理论研究中得到了广泛的应用与发展。在经典的一维交通流NaSch模型基础上,Takayasu M等人提出了TT模型、BJH模型、慢启动模型、速度效应模型等多种改进模型,上述模型修改了NaSch模型的演化规则或者根据车速等因素调整模型随机慢化规则中行驶车辆的减速概率,却忽略了前车实时运动的影响和车辆随机慢化影响因素的模糊性。本文在NaSch模型、慢启动模型、速度效应模型等模型研究基础上提出了基于车间距和速度差的元胞自动机交通流模型,模型中考虑前车实时速度对后车运动的影响,行驶车辆的随机慢化概率是车间距和速度差的函数；行驶车辆及其前车同时处于运动状态,假设前车在下一时间步的速度与当前速度相同,即假设前后时间步内车间距不变,但在设定随机慢化概率值时会考虑到前车行驶速度变化的可能性而增大减速概率,以确保行车安全。计算机仿真结果表明,基于车间距和速度差的元胞自动机交通流模型能够重现自由流和时走时停波；在模型速度分布图中,车辆在不同密度下的行驶速度分布更为合理,新模型重现了比NaSch模型较为缓和平稳的车辆驾驶情形。为了表征车辆随机慢化过程中影响因素的模糊性,本文提出了基于模糊推理的单车道元胞自动机模型。在基于模糊推理的单车道元胞自动机模型中,行驶车辆与其前车的车间距和速度差作为实际驾驶中影响车辆随机慢化的两个主要因素,车辆的随机慢化概率不再是一个取值于区间[0,1]的恒定常数,而是根据上一时间步的车辆车间距和速度差经模糊推理计算得到,实现了随机慢化概率的动态调整。通过实验仿真和分析,本文提出的基于模糊推理的元胞自动机交通流模型较好地重现了自由流、时走时停波、回滞以及亚稳态等交通流宏观特性,由模糊推理计算得到的单辆车的随机慢化概率值基本符合实际交通情况：处于自由流的车辆随机慢化概率较小,处于堵塞流的车辆随机慢化概率较大。