近年来,汽车产业在移动互联、大数据及云计算等技术的推动下不断向着智能化、网联化方向发展,车联网在支持城市交通系统中安全相关应用方面具有广阔前景。在车联网中,高效的信息传播可以让车辆更好地了解潜在的风险和交通异常,对于提高交通安全性和效率具有重大意义,因此目前有大量的研究集中在车辆间安全消息广播方法的设计上。然而,现有的安全消息广播方法往往基于当前的信道状态或网络拓扑结构进行消息传输,只考虑最小化安全消息的端到端时延,对历史轨迹数据中蕴含的丰富信息挖掘与利用不足,也不能及时感知网络的链路状态并调整网络结构,同时缺乏对安全消息覆盖范围和持续时间的考虑。本文通过提取车辆历史轨迹数据中蕴含的链路稳定性特征和出行行为特征,提出了一种新的城市交通场景下的安全消息广播方法。本文的主要研究工作如下:（1）针对网络和车辆轨迹特征提取的问题,提出基于车辆历史轨迹数据的特征提取方法。利用谱聚类算法,通过求解最优化问题对历史拓扑结构进行分析,获取不同时刻、不同区域的链路稳定性特征;利用半马尔可夫模型对轨迹数据进行分析,统计车辆的状态转移概率,并基于此预测出车辆未来所处的位置。（2）针对城市环境下的安全消息广播问题,提出基于临时预警网络的分布式安全消息广播方法。根据时空相关的链路稳定度特征和车辆行驶轨迹特征,选择适当的中继节点构建临时预警网络,在兴趣区域内进行安全消息的分发。选择中继节点时,综合考虑区域的相似度、链路的稳定性以及广播区域和方向等因素。在不同条件下的实验结果表明,相比现有方法,本文所提出的安全消息广播方法在达到最高覆盖率时平均能够减少约25%的时延。（3）针对安全消息持续性广播的问题,通过链路状态检测和重选机制完成对网络结构的感知和维护,保证新进入兴趣区域的车辆及时收到消息。此外,多条安全消息也可以通过共用临时预警网络结构的方式并行传输。实验结果表明本文提出的方法能够保证安全消息在兴趣区域内70%左右的覆盖率,复用网络结构进行多条安全消息的并行传输相比单独传输平均能减少约35%的时延。