Los vehículos conectados y automatizados (CAV) que suavizan el flujo de tráfico mixto han ganado atención, y es necesaria una evaluación exhaustiva de estos algoritmos de control. Nuestra investigación anterior propuso la estrategia de control predictivo basado en modelos de variación temporal (TV-MPC), que considera el estilo de conducción variable en el tiempo de los vehículos conducidos por humanos (HDV), y que tiene un mejor rendimiento que los modelos de referencia actuales. Dado que el TV-MPC se puede aplicar a cualquier escenario de congestión de tráfico y el modelado dinámico que considera el estilo de conducción se puede transferir fácilmente a otros algoritmos de control, el TV-MPC permite representar algoritmos de control típicos en el flujo de tráfico mixto. Este estudio investiga el rendimiento del TV-MPC bajo diversas características de perturbación y pelotones mixtos. En primer lugar, se cuantifica el flujo de tráfico mixto con diferentes tasas de penetración de CAV y intensidades de pelotón mediante un modelo de cadena de Markov. En segundo lugar, al construir indicadores de evaluación para la operación a nivel micro del flujo de tráfico mixto, este documento analizó el impacto del TV-MPC en la operación del flujo de tráfico mixto a través de simulaciones. Los resultados demuestran que (1) los CAV logran un control óptimo en posiciones específicas dentro del flujo de tráfico mixto; (2) una mayor penetración de CAV mejora el rendimiento del TV-MPC; (3) distribuciones dispersas de CAV mejoran la efectividad del control; y (4) el TV-MPC sobresale en escenarios con perturbaciones significativas.