基于车载网络的实时城市感知的效果取决于车载感知报告的时空二维覆盖。如何收集到更多有效的感知报告提高时空二维覆盖是个重要的问题，即移动覆盖问题。在路边放置高带宽的基站来收集探测车辆上感知报告是一种有效手段。本课题的第一个子问题是考虑如何通过这些高带宽基站的放置来最大化城市感知中的移动覆盖。这个问题非常具有挑战性。本文给出了即使在所有车辆路径已知的条件下，该问题是NP难问题的理论证明。而在现实应用中，获取未来很长一段时间的车辆行驶路径信息并不可能。车辆行驶路径的不确定性更加大了问题的难度。本文通过统计和分析大量真实车辆的轨迹数据，发现了车辆行驶路径中的规律。车辆的数量分布和行驶轨迹往往具有一定的统计特性，本文的方法利用了这些统计特性解决了在车辆行驶路径未知条件下的移动覆盖优化问题。本工作给出了解决车辆行驶路径已知条件下的移动覆盖问题的近似算法，并且达到了理论(1-1/)的最优近似度。在车辆行驶路径未知条件下，本文的近似算法也十分有效，与最优结果接近。在解决了一跳数据传输下的移动覆盖问题后，本课题挑战一个更为困难的问题，多跳数据传输下的车载网络吞吐优化问题。车载网络的吞吐能力对城市感知应用而言十分重要。车载网络受制于网络连接时常中断和网络拓扑结构多变等因素的影响，网络吞吐能力较差，直接影响到城市感知等应用的效果。因此，本课题研究如何优化车载网络的吞吐能力。城市车载网络的吞吐能力受制于多方面因素的影响，如AP的放置地点，多跳数据传输，数据延迟，连接带宽，车辆行驶路径等等。其中有些因素受网络设计者的控制，如AP放置和多跳数据传输方法；其余则不然。因此，车载网络吞吐优化是一个非常具有挑战性的难题。本文首先将车载网络吞吐优化问题建立数学模型。建模后，首先解决AP放置的难题，为解决AP放置难题，本课题创新性地提出了基于路网拓扑结构的数据传输延迟估计，并利用模拟退火算法解决了AP放置难题。其次，本文利用动态规划算法，得出了车载网络的吞吐能力上界。最后，本课题分别提出了集中式和分布式两种多跳数据传输算法。通过基于真实车辆行驶轨迹数据的模拟实验证明，本课题提出的算法组合能够有效优化车载网络吞吐能力，接近理论上界。