最近几年，城市车辆的保有量逐年递增，给公众交通带来了巨大的负担,很多研究正在尝试构建智能交通系统来缓解城市公众交通的压力，车载自组织网络作为智能交通领域的一个重要组成部分，成为了学术界和工业界关注的一个热点。车载自组织网络通过短距离无线通信技术，如DSRC和Wi-Fi，将城市中高速移动的车辆连接成一个自组织网络，使得车辆彼此间能够互相通信，可以用于收集城市交通信息，具有覆盖广、成本低、容错性强的特点。但是，车载自组织网络目前也面临着许多挑战：1）传输成功率低、延时大；2）收集到的交通信息时间和空间上分布不均匀，无法保证每个时间每个地点都有采样到的交通信息。在本文中，我们提出了一个基于地理位置的路由算法用于车载自组织网络的数据传输。首先，我们设计了一个现实可用的定位服务系统，能够提供网络中结点的位置，同时借鉴了容忍延迟网络的“运载-转发”的模式，即让中转结点带着数据包移动，当一个结点与其他结点相遇时，采取贪心策略，把数据包转发给离目标结点更近的邻居。然后我们基于真实车辆的GPS轨迹数据进行仿真实验，验证了该路由算法的有效性。接着，我们通过事先收集到的车辆GPS轨迹数据，计算当时道路上车辆的平均速度，作为交通状况的度量，并用主成分分析方法来分析这些车辆感知到的数据，我们发现这些数据本身存在隐性的结构特点和冗余性，利用这些特性，然后我们提出了一个基于压缩传感理论的方法来估计由于感知数据采样不均匀而丢失的数据。具体来讲，我们用一个矩阵来表示城市中各条道路的交通状况，矩阵中的元素代表道路上车辆在某个时间段行驶的平均速度，所以某行表示了某条道路的一个时间序列，而某列表示了某一个特定时间城市中所有道路的一个快照，由于车辆采样数据的不均匀，造成矩阵中的一些元素缺失，我们提出了一个基于压缩传感理论的矩阵重构方法，来还原这些丢失掉的数据。最后的实验结果表明，我们的方法在只有很少量的感知数据的时候，还能够准确高效的估计出各个道路的交通状况信息。