车载容迟网络(Vehicle Delay tolerant network,简称VDTN)是一种新型无线传感网络,源节点和目的节点中不存在稳定的端到端通信路径。由于节点的高速移动,网络拓扑结构的变化,造成了网络节点间通信并不稳定,是间歇性的,所以节点采用“存储-携带-转发”机制转发消息。因此传统的端到端的路由协议并不适用,需要研究人员针对VDTN的特点,利用节点之间的多跳协作以及节点相遇的机会性研究更为有效的路由协议。这类路由协议必须能够适应快速变化的网络拓扑结构且具有相当高的灵活性。本文首先研究分析车载容迟网络的相关理论知识和关键技术等。同时,重点就车载容迟网络中节点规律性移动模式,以及节点属性之间的高阶依赖关系展开研究。在此基础上,本文提出了基于半朴素贝叶斯分类器的车载容迟网路由算法(Semi-Bayesian Classifier,简称SBC)。考虑到车载容迟网络中节点周期性的移动模式,该算法引入了半朴素贝叶斯分类器中的独依赖策略,根据一些影响消息投递率的网络参数估算某个节点成功投递消息的概率,其基本思想是假设所有属性都依赖于同一个属性。该算法着重考虑属性间的依赖关系能够为节点类别的划分提供更为精确的模型。进一步,本文考虑车载容迟网中节点移动的复杂性,进一步扩充节点的属性集,并引入贝叶斯网络分类器,通过研究属性间的高阶依赖关系进一步提升泛化性能。考虑到节点移动模式的多阶段性,本文提出了多阶段贝叶斯网络模型(Multi-period Bayesian Network,简称MBN),通过多个模型分阶段拟合节点的移动模式。此外为了充分利用节点移动模式动态变化的特性,提出了动态多级节点分类算法,该算法定义了投递奖励做为节点的一个属性。投递奖励会根据时间,节点之间的相遇和消息投递进行动态更新,和蚁群算法中的费洛蒙有相似的更新机制,因此也具有正反馈和自更新优化的特点。由于考虑到节点移动的更多有效信息并着重考虑了属性间的高阶依赖关系,节点在传递报文的过程中可以做出更优的路由决策。仿真实验证明,MBN可以有效提升网络性能。本论文的研究成果可以为车载容迟网络路由协议的研究提供思路,也可以用于延迟容忍网络的实际应用中,具有较好的理论价值和应用前景。