1.一种混合交通流下网联车跟驰行为预测方法，其特征在于：通过考虑前导车的行驶状态对于目标网联车的直接影响，以及可通信范围内的网联车的行驶状态对目标网联车的直接影响，确定目标网联车的跟驰状态，所述行驶状态包括速度、位置和加速度。

2.根据权利要求1所述的混合交通流下网联车跟驰行为预测方法，其特征在于：将目标网联车的加速度分为紧邻前车imm行驶状态对目标网联车的直接影响aimm和可通信范围内前向M辆网联车的行驶状态对目标网联车的直接影响af，以及后向N辆网联车的行驶状态对目标网联车的直接影响ab，即目标网联车cn的加速度 为：其中，其中，η，γ，λ，为各个加速度的占比，η+γ+λ＝1，simm和Δvimm是目标网联车cn和前车imm的间距和速度差，simm＝ximm-xCn-limm， 其中ximm表示前车imm的位置，xCn表示目标网联车cn的位置，limm表示目标网联车的前车imm的车长，vimm表示前车imm的速度， 表示目标网联车cn的速度； 分别为网联车Cn+k与目标网联车cn的间距和速度差，即 其中 表示

网联车Cn+k的位置， 表示网联车Cn+k的车长， 表示网联车Cn+k的速度，N为可通信范围内后向网联车的个数， 为网联

车Cn-i与前车的间距， 为网联车Cn-i的期望车间间距；

采用智能驾驶者模型IDM对aimm进行描述：

其中a0为最大加速度，v0为期望速度，δ为自由加速度指数；

s*为最小期望间距，是关于 vimm，安全时间间隔T，和舒适减速度b0的函数：引入可变权重系数表示前M辆网联车对目标网联车的影响程度，af表示为：其中常数Kv，Ka为灵敏度系数，αk，βk为加权系数，是前M辆网联车与目标网联车间距的函数。

3.根据权利要求2所述的混合交通流下网联车跟驰行为预测方法，其特征在于：对于加速度ab，着重考虑驾驶员的舒适性，并将加速度的大小作为衡量舒适性的指标，将后向所有网联车作为一个整体，以整体的舒适性作为一个最优函数来考虑，函数的解即为满足条件模型的解ab，包括以下步骤：首先确定后向任一网联车的加速度 根据协同自适应巡航CACC模型，并利用ab进行动态反馈得出：ξi表示后向的网联车Cn-i的行驶状态对于目标网联车的影响程度，与距离成反比，k0，k1，k2，分别为加速度参数，速度参数，和车间间距参数， 为Cn-i网联车的期望车间距，其中Cn-i，imm为Cn-i网联车的前车，τ为驾驶员反应时间，将整体的舒适性作为一个最优函数，并满足目标函数：CACC车组内所有车辆的累计加速度或者减速度平方的和最小，简化形式为 将进行简化，令 其中

即求 为了满足上述目标函数，

对 进行求导：

令

令k3＝-k0

所以 带入 得：