车载网络(Vehicular Adhoc Network,VANET),简称车联网,作为智能交通系统的基础信息承载平台受到越来越广泛的关注。车辆节点的高速移动性和城市交通环境的复杂性,给车载网络的研究带来很大的困难。如何通过车辆运动模式的提取和车辆运动的预测来构建接近真实的车载网络环境,并应用于VANET路由的设计中是一个很重要的研究方向。本文基于上海市18900余辆出租车的历史轨迹数据,在车辆运动模式提取、车辆运动的预测和将提取的车辆运动模式应用到基于地理位置的路由算法三个方面进行了深入的研究,主要内容有:(一)车辆运动模式的提取。由于人类活动的规律性及城市规划和布局的特点,车辆的运动具有一定的时空相关性。本文通过引入车辆移动熵,验证了车辆运动存在时空规律性。(二)车辆运动的预测。本文使用马尔科夫模型对车辆的运动进行预测。通过对车辆运动熵的分析,选择二阶马尔科夫模型。通过把道路状况,节假日等作为马尔科夫模型的重要训练参数,本文实现了对车辆在网格间的运动的较高准确率预测。(三)应用到基于地理位置的网格-路径分层路由协议。本文将得到的车辆运动模式和车辆在网格间的运动预测应用到基于地理位置的网格-路径分层路由设计中,较传统的路由协议表现出了更好的性能。