该论文提出了一种基于智能体建模（ABM）的框架，用于评估联网自动驾驶车辆（CAV）在大规模交通系统中的动态行为与整体性能。研究背景在于，现有工作多聚焦于单车或小规模车队的决策与性能，缺乏对大规模CAV交通系统的系统级评估。核心问题是如何模拟个体车辆的分散决策及其动态交互，从而分析交通系统的稳定性、适应性和效率。方法上，论文构建了一个ABM模型，其中每辆CAV独立感知周围环境，通过车车通信（V2V）交换信息，并根据实时交通状况动态调整速度和路径。模型基于OpenStreetMap提取的美国德克萨斯州Katy市路网进行仿真，车辆在入口、出口及内部路段动态导航。实验结果表明，该模型能够模拟不同场景下的CAV交通系统，并且合适的分散决策策略能够增强交通稳定性和适应性。主要贡献在于提供了一个可扩展的仿真工具，用于评估城市环境中CAV协调策略的有效性。适合交通工程、自动驾驶系统设计及智能交通系统研究人员阅读。