命名数据网络（Named Data Networking,NDN）是研究者们提出的发展未来互联网的一种“革命性”的技术路线,NDN是以内容为中心,用内容名称代替传统网络中的IP地址,实现内容与IP地址的解耦。车联网环境具有高速移动性、网络拓扑频繁变化且无线连接易断等特点,传统的基于“端到端”通信的TCP/IP网络暴露出的不安全、可靠性差和移动性差等问题给互联网的服务性能方面带来了限制。但从现有的TCP/IP网络向NDN网络演进的过程中,会存在两种网络融合互通的时期,因此,在车联网环境中对两种网络体系的融合互通研究有很重要的意义。针对车联网环境中减少终端用户获取数据资源的高时延问题,并能提高缓存命中率和降低缓存冗余度,研究了基于NDN-IP通信模型下的车联网中数据资源的缓存策略问题。本文的主要工作如下:1.针对车联网环境具有高速移动性、网络拓扑频繁变化且无线连接易断等特点,提出了一个NDN-IP融合互通的通信模型。该通信模型不仅利用了NDN的PIT聚合、网内缓存和移动性支持等特性,而且考虑到IP网络作为当前骨干网的现实情况,因此构建终端—边缘—云三层结构,以车辆节点作为终端用户,其处于NDN网络中,采用以内容为中心的通信方式;以RSU节点作为边缘网关,通过设计NDN和IP的转换功能,实现NDN网络与IP核心网络的通信;以云中心服务器作为云端,其拥有用户请求的所有资源,部署有请求名称与数据资源的映射机制,能够对用户的请求返回响应。2.针对基于车联网的NDN-IP融合互通的通信模型存在的高时延问题,提出一个基于簇形结构的两阶段缓存策略。簇形结构以位于边缘层的RSU节点为簇头,并以其覆盖范围内的车辆节点为簇内成员。该缓存策略的第一阶段是在簇头节点处的基于内容全局流行性和簇头局部偏好度的概率缓存策略;第二阶段是在簇内成员处的基于簇内节点活跃度、内容全局流行性和簇内节点局部偏好度,以及第一阶段缓存结果的协作缓存策略。其中内容的全局流行性和节点局部偏好度使用BRICH聚类算法进行聚类,用内容所属类别与接收到的所有内容的比值来表示,对内容缓存概率权重的确定根据内容的名称相似度计算得出。3.针对提出的NDN-IP通信模型以及此通信模型下的两阶段缓存策略进行实验分析,首先使用ndn SIM仿真平台来模拟终端节层和边缘层的节点,使用NDN网络进行通信,其次使用阿里云服务器作为云中心节点,其能够提供所有的数据资源,对NDN-IP的通信模型进行了性能评估。实验结果显示,与纯IP网络下的车联网通信相比,基于NDN-IP通信模型下的车联网在时延方面有更好的性能。然后使用ndn SIM仿真平台对提出的车联网NDN-IP通信网络架构下的两阶段缓存策略进行了性能评估,并与LCE（Leave Copy Everywhere）、Prob Cache（Probabilistic Caching）和基于节点介数（Betwe）的缓存策略进行比较,仿真结果显示,两阶段的缓存策略可以使用户获取数据资源的时延降低,并使内容的缓存命中率有所提升。