该论文提出了一种基于代理的模型（ABM），用于评估联网和自动驾驶车辆（CAVs）的集体行为及其对交通系统性能的影响。研究背景是随着自动驾驶技术的发展，交通系统面临新的复杂性和不确定性，传统模型难以捕捉个体车辆决策与全局交通流之间的动态交互。核心问题是如何模拟CAVs的异构性、通信延迟、驾驶策略差异以及它们在混合交通流（包含人类驾驶车辆）中的涌现行为。方法上，论文设计了一个多代理仿真框架，每个代理代表一辆CAV或人类驾驶车辆，具有独立的感知、决策和执行模块。代理间通过车联网（V2X）通信交换信息，并采用强化学习或规则基础的策略来调整行驶行为。实验在多种交通场景下进行，包括高速公路合流、交叉口通行和拥堵疏散。主要贡献包括：1）揭示了不同CAV渗透率对交通流稳定性和吞吐量的非线性影响；2）量化了通信延迟和协议效率对系统鲁棒性的作用；3）提出了一种可扩展的仿真平台，支持未来政策评估和算法验证。该研究适合交通工程师、自动驾驶系统开发者以及智能基础设施研究人员阅读，为设计更安全、高效的未来交通系统提供了理论依据。