本文首先结合道路状况和驾驶系统条件改进了标准NaSch模型，求解得出交通流特征；其次利用BP神经网络对交通状况指标进行拟合回归；然后通过启发式算法对人工干预参数寻优；最后基于云模型对自动驾驶系统进行整体评估，并据此对人工干预的运作模式提出了合理建议。对于车辆，最优干预频率为16.3%，需较频繁地切换至手动模式以保证安全；对于驾驶员，需保持小于0.5s的平均反应时间，以避免事故率上升；对于交管部门，现阶段应重点缓解交通流量并简化事故处理。