随着自动驾驶车辆（AVs）和智能网联车辆（CAVs）的融合，混合交通流的动态与传统交通状况相比发生了显著变化。在混合交通中，人工驾驶车辆（HVs）的行为表现出更大的变异性和不确定性，尤其是在纵向跟车和横向操控方面。这些因素增加了交通安全风险，并使得自动驾驶车辆（AVs）的决策过程变得更加复杂。为了解决这些挑战，我们提出并开发了针对AVs和HVs的创新建模与预测方法，重点关注纵向和横向驾驶行为。提出的方法包括基于物理的模型、机器学习（ML）、物理信息机器学习（PIML）以及基础模型（FMs）/大语言模型（LLMs）等多种方法。