随着经济的飞速发展,人们对出行的便捷性、舒适性和安全的要求日益增加,关于无人驾驶车辆的研究应运而生。无人驾驶技术研究大势所趋,且无人驾驶车辆作为未来道路交通流的重要组成部分,因此,关于无人驾驶车辆的跟驰行为、无人和人工驾驶车辆组成的混合交通流特性、未来混合交通流拥堵发生机理、缓解未来混合交通流拥堵方法等相关的研究迫在眉睫。本文以未来混合交通流为研究对象,研究无人驾驶车辆的占比对交通拥堵的影响,进而识别混合流下的交通拥堵。首先,分析无人驾驶车辆的跟驰特性,选取IDM(Intelligent-Driver Model)模型作为无人驾驶车辆的基本跟驰模型的研究基础,通过对经典的IDM模型分析,提出了考虑期望距离非负和加速较慢两个问题,并对IDM模型进行了改进,改进后的IDM模型利用NGSSIM中的实测数据进行参数标定和模型验证,最终确定无人驾驶车辆的跟驰模型。其次,在已有的人工驾驶车辆跟驰模型的研究基础上,选取了不同交通的具有代表性的模型作为研究基础并进行分析,通过参数标定和模型验证,确定了以仿真精度较高、各项误差指标稳定性较好的IDDM(Improve Desire Distance Model)模型作为人工驾驶车辆的跟驰模型。然后,通过确定的无人驾驶车辆跟驰模型和人工驾驶车辆跟驰模型来推导不同类型车辆在不同占比情况下的交通流基本图,通过对交通流基本图仿真,得出了混合交通流的流量和密度的关系图,因此确定无人驾驶车辆在不同占比情况下对混合交通的宏观参数的影响,并拟合出占比与混合交通流的最大交通流量和自由流的关系。最后在经典的元胞传输模型的基础上,用拟合出的无人驾驶车辆占比与混合交通流的最大交通流量和自由流的关系,建立混合交通流环境下的元胞传输模型,选取平均行程速度作为交通拥堵的评价指标,通过仿真,得出不同占比情况下的各路段的速度指标情况,并分析不同占比对路网拥堵情况的影响,得出了无人驾驶车辆越大,越有利于缓解交通拥堵的结论,为未来混合交通流拥堵识别提供理论依据。