针对日益严重的城市道路拥堵与交通事故现象，城市路网建设和车辆保有量增长不匹配的矛盾激化，因此对车辆进行合理高效的监测和诱导显得尤为重要。车联网可以通过信息服务中心对车辆的状态信息进行有效监测和综合分析，根据不同的用户需求提供高效服务，使得城市道路的交通拥堵和交通事故现象得到缓解。本文针对车联网的研究现状，对车联网下环境下的动态交通信息服务关键技术展开研究，提出了基于移动互联网的车联网架构下的实时交通感知技术和动态诱导技术。主要的研究工作有：（1）提出了基于移动互联网的车联网架构，并对其原理、工作流程、架构设计进行了分析，明确了构建该架构的关键技术。（2）采用GPS定位技术对车联网下的交通数据进行实时采集，结合模糊理论提出了车联网环境下对用户出行方式进行有效判别的隶属函数和逻辑推算规则。（3）结合车联网架构中智能手机终端的特点，提出了基于智能手机的多权值地图匹配算法，并对算法进行了编程实现和实例分析。（4）在车载终端识别和地图匹配的基础上，运用决策树学习ID3算法的实现了简单的交通状态判别，并将交通状态判别与历史路段平均速度结合，实现了路段行程时间的预测。（5）提出了车联网下交通信息服务模式新内容，采用蚁群算法进行车联网下的动态实时路径诱导，针对基本蚁群算法收敛速度慢和容易局部收敛的问题，结合动态实时路网的特性，提出了蚁群算法的改进策略，并进行了实例分析。（6）结合大规模复杂路网的特点，在对并行计算方法进行分析的基础上，提出了基于MPI的改进蚁群算法并行化策略，通过实验分析了该并行处理的性能。（7）搭建基于SuperMap电子地图和C#语言的软件平台，运用邻接表对大规模路网的网络数据集进行高效存储计算，在此基础上进行系统服务器端和客户端的设计与实现。