目前交通运输系统正经历着自动驾驶、无线互联等一系列技术变革,通过提高车辆社交网络中的信息可信度能够很大程度的促进车辆之间的数据共享,以更好的提升行车安全性和便利性。通过利用其他车辆或路边基础设施共享的数据,车辆能够扩大其感知范围,从而对周围环境有更好的认知。然而,由于数据是由单个车辆采集的,配备有各种传感器和不同的数据处理算法,数据的可信度无法得到保证。目前关于车辆系统信任问题的研究主要集中于安全层面,旨在确保系统的机密性、完整性和身份验证。而对于数据和数据生成器的可靠性研究相对较少。论文通过将车辆之间的交互视为一种社交行为的形式,从而构建一个反映车辆之间社交关系的车辆社交网络。在网络中,通过数据交互,车辆在共享数据的基础上,车辆通过数据的相互论证可以获得彼此的信任。利用车辆社交网络、三值主观逻辑信任模型,本文设计了OpinionsWalk算法,可以准确、高效的评估车辆的可信度。通过对车辆间数据交换过程的研究,设计了一种进行客观信任评估的机制,经证明该机制比主观信任评估更准确。最后,本文利用社交网络中存在的社区结构缩减信任计算的运算规模,并提出了社区内部和跨社区信任评估的解决方案。本文将对信任计算方案的测试分为两部分。本文首先从EigenTrust(ET)、TrustRank(TR)、MoleTrust(MT)和TidalTrust(TT)等几个现有算法作为基准来评估OpinionsWalk算法的性能。由于此类算法均针对在线社交网络上的信任计算,因为本文采用了两个现实世界中的在线社交网络数据集Advogato和Pretty Good Privacy(PGP),以公平地比较OpinionsWalk和基准算法。最后,本文利用networkx框架设计实现了一个小型复杂网络,模拟了车辆通过交换的数据互相进行信任性评估。通过仿真结果本文验证了动态可信度评估机制具有相对于现有算法更高的运算效率与准确率。