我们可以通过对跟车方式的逐一分析来了解单车道交通流的特点，通过对跟车方式的逐一分析来了解单车道交通流的特点，从而在驾驶员的微观行为和交通的宏观现象之间架起一座桥梁。交通工程角度的跟车模型包括刺激反应模型、安全距离模型、心理生理模型和人工智能模型；统计物理视角下的跟车模型包括优化速度、智能驾驶、蜂窝自动机模型。
跟车模型是用动力学的方法研究由于先行车辆(LV)运动状态的变化而引起的跟车车辆(Fv)的相应行为，通过分析各车辆逐一跟车的方式来了解单车道交通 flow的特性，从而对驾驶员的微观行为和-作出区别。车辆跟驰(CF)行为是最基本的微观驾驶行为，描述了在超车受限的单行道上相邻两辆车之间的相互作用。
我们可以通过分析各车辆逐一跟驰的方式来了解单车道交通 flow的特点，从而在驾驶员的微观行为和交通的宏观现象之间搭建一座桥梁。回顾60年来跟驰理论的发展，跟驰行为模型根据建模思路的不同可以分为交通工程角度和统计物理角度。交通工程角度的跟车模型包括刺激反应模型、安全距离模型、心理生理模型和人工智能模型；统计物理视角下的跟车模型包括优化速度、智能驾驶、蜂窝自动机模型。
2、李松的发表论文2011 [58]基于OnadaBoost _神经网络的铁路货运量预测[c].//procedingoheicictaconference。[57]基于概率神经网络的变压器故障诊断[c].heicictaconference的进程。深圳，
Ei收录:[56]遗传算法优化短期BP神经网络交通流量混沌预测[J].控制与决策，2011，Ei收录:[55]AdaBoost_BP神经网络在铁路货运量预测中的应用[J].计算机工程与应用，2011，47 (4): [54]遗传算法优化BP神经网络混沌时间序列预测[J].计算机工程与应用，2011，47 (4): 236，239 [53]中国大型连锁超市的营销问题与对策[J].改革与战略，2011，2。
