为研究含智能网联汽车(Connected　and　Automated　Vehicle,CAV)和人工驾驶汽车(Regular　Vehicle,RV)混行交通流下CAV跟驰行为的控制问题,考虑前后多车的速度、车头间距、速度差、加速差等参数,采用分子动力学定量表达不同周边车辆对主体车的影响,得到可用于描述CAV在混行交通流中的跟驰过程.稳定性分析结果表明,与全速度差模型相比,本文提出的考虑前后多车信息的CAV跟驰模型有利于提高交通流的稳定性.数值仿真与模型验证结果表明,与PATH实验室的CACC(Cooperative　Adaptive　Cruise　Control)模型相比,本文建立的CAV跟驰模型平均速度最大误差减小了0.19　m·s-1,平均误差减小26.79％,拟合精度提高了0.91％.同时,在CAV和RV组成的混行交通流中,随着CAV比例的逐渐增加,车队的平均速度和交通流量逐渐增加.迟滞回环曲线表明,与全速度差(Full　Velocity　Difference,FVD)模型相比,本文提出的CAV模型控制下的交通流稳定性更强.该模型可用于同质流或CAV与人工驾驶车辆等混行环境下的CAV跟驰控制,在目前开展混行实车实验困难的情况下,为混行交通流场景下的车辆控制及交通设施规划设计提供理论依据和模型支持.