依托国家高技术研究发展计划（863计划）课题《多源多维城市交通状态感知与交互处理》，本文对车联网环境下的交通信息采集与处理方法进行了深入研究。在对国内外研究现状和研究趋势进行分析的基础上，本文首先对车联网的系统架构和关键技术进行了分析。接下来在对车联网关键技术分析的基础上，得出路侧单元布设及优化方法是车联网环境下交通信息采集方法中的重要一环这一结论，并通过分析及实验，给出路侧单元的布设方法和调度优化方案。之后，在车联网环境下交通信息处理方法方面，根据车联网下对车辆定位技术的需求，提出了一个基于非参数动态模型的自适应数据融合框架结构以及一个适应信号强度和到达时间的自适应似然粒子滤波方法，实现基于已有的基础设施对车辆精确定位。最后，在行程时间预测技术方面，针对车联网下交通信息的特点，提出改进的人工神经网络（ANN）和改进的支持向量回归（SVR）方法，对行程时间进行预测，设计了一个仿真平台，并采用实际数据进行仿真，仿真结果表明提出的改进支持向量回归的行程时间预测模型具有良好的性能。