车联网是一个支持交通领域内各种实体实时通信的分布式网络,能够带来巨大的经济效益,已受到各国政府及企业的关注。类似停车位、充电桩等服务信息的推送是车联网中非安全相关应用的典型代表,对用户至关重要,具有非常广泛的应用场景,研究这类非安全相关的应用具有重要的意义。服务提供商向用户提供的非安全相关的应用多与用户的目的地有关,但用户不会主动上报其出行的目的地,因此需要对用户出行的目的地信息进行实时预测以提供服务并从中获取收益;服务提供商通过路边单元将目的地相关的信息发送至车辆后,车辆会以车车通信的方式将该信息转发给其他车辆,这也会为服务提供商带来收益。因此,向用户发送信息的策略应综合考虑行驶车辆的目的地信息和车辆邻居节点的变化规律,以使服务提供商在发送目的地相关的信息后收益最大化。为此,本文的主要研究内容如下:（1）针对用户不会主动上报目的地信息这一问题,本文提出了一个实时的目的地预测算法。该算法首先对车辆的完整轨迹进行了分割和表示,然后对分割后的子轨迹利用提出的聚类算法进行聚类,最后在聚类结果的基础上提出了一个基于深度学习的目的地预测算法。在公开数据集上的仿真实验和对比结果表明本文提出的目的地预测算法能够取得较好的效果。（2）针对向用户发送信息的策略问题,本文提出了一个基于轨迹预测的信息传递机制。为将目的地相关的信息投递给用户,该机制依据目的地预测算法确保信息投递的准确性,从而为服务提供商带来收益。考虑到车辆在收到来自路边单元的信息后会转发给其他车辆,这一过程也会为服务提供商带来收益。为使服务提供商的获益最大化,基于目的地预测和邻居节点的数量规律,建立了基于轨迹预测的信息传递机制。本文对其性能进行了评估,仿真结果表明了该信息传递机制的有效性。