车载网是一种在车辆之间、车辆和路边设施之间建立自组织网络的技术,使得车辆在没有网络基础设施支持的情况下也能进行通信。作为智能交通系统解决方案中的关键环节,车载网在学术和工业领域都引起了广泛的关注。车载网是从传统的移动自组网演变而来,但车载网也具有其独有的特点,这使得车载网的路由设计需要在移动自组网的路由协议的基础上结合车载网自身的特点。车辆的GPS轨迹数据是记录车辆历史行为的重要载体,包含丰富的车辆行为信息,因此对车辆轨迹数据进行有效的加工处理,尽可能挖掘数据中的关联关系将社会网络分析引入车载网,为车载网的研究分析引入了新的视角。本文的研究工作从提高数据传输协议的可靠性、有效减少协议对网络带宽的消耗着手,从真实的轨迹数据中抽象出车辆之间的相遇特性,并结合道路的车流交互,分析道路之间的关联关系,并依靠这种关联关系来改进路由协议,提出了一种基于关联分析的车载网路由协议,具体工作包括以下几个方面:首先,分析了当前对车辆轨迹数据处理的方法和技术,提出了一种轨迹数据预处理算法,对原始轨迹数据进行预处理,使得数据在相遇分析计算节点间的距离时,有更好的可用性。在此基础上,利用移动时间窗技术对车辆轨迹数据进行处理,得到了车辆的关联关系图谱。基于此提出了一种构建、维护车辆关联关系列表的算法,算法能够在每台车辆的存储空间中构建、更新车辆关联关系列表。其次,根据道路之间车流的实时交互信息和历史交互信息,给出了道路关联关系的模型及分析方法。结合车辆关联关系列表,构建了基于车辆相遇次数的的虚拟社区,每个社区内的车辆节点具有抽象的社会关联关系,进而计算虚拟社区中车辆节点之间相互遇见的概率,并根据相遇概率和节点社会属性,选择路由下一跳节点,提出了一种面向数据传输应用的车载网路由算法。最后,采用SUMO+Opnet的仿真构架,进行交通和网络仿真。通过SUMO对道路网络、车辆移动路径进行仿真,并将结果导入Opnet,使用exporter进行场景生成,实现了对车辆移动性的精确控制。并对本文提出的路由算法进行了实验仿真。实验数据表明:算法能有效提高路由算法的可靠性,降低数据转发过程中的丢包率,采取按需路由的策略降低了网络带宽的消耗。