作为智能交通系统的基础数据承载平台,车辆自组织网络,即车联网,近年来受到了日益广泛的关注。区别于传统的无线自组织网络,一方面,车辆节点自身的高速移动特性使得车联网的实际拓扑结构十分复杂,另一方面,城区环境车辆数目的急剧增多和非安全消息的爆发增长使得对于动态频谱资源的高效利用尤为重要。然而,现有针对车联网的研究大多仍直接沿用传统的无线自组织网络中的模型及协议,而非现实场景中的分簇车联网模型及动态频谱接入协议,且缺少对实际车辆节点移动规律的考虑。本文研究了基于蜂窝基站的分簇车联网(CC-VANET)模型和面向干扰避免基于蜂窝基站的分簇车联网(IACC-VANET)模型,分析了两种模型分别对应的动态频谱接入协议,推导了两种模型及相应协议下传输机会和传输容量。本文首先针对非安全消息的实际传输需求和车联网的实际拓扑结构,构建了 CC-VANET模型,其动态频谱接入协议是基于簇头的频谱接入控制协议。其次,针对簇成员认知接入蜂窝频谱过程中对蜂窝基站带来的附加干扰,本文构建了IACC-VANET模型,其动态频谱接入协议是面向干扰避免的认知竞争协议。最后,分析了两种模型及相应协议下的传输机会,推导了相应传输容量的上下界。通过仿真,验证了传输机会以及传输容量的上下界与各影响因素之间的关系。仿真结果表明,分簇结构下基于簇头的频谱接入控制协议能够有效提高动态频谱信道中的传输机会和容量。基于阈值门限的干扰避免方法使得IACC-VANET模型较CC-VANET模型在蜂窝频谱信道中的传输机会和容量上有了一定提升。本文提供了两种符合实际应用的分簇车联网模型及网络性能分析方法,在智能交通方面为实现智慧城市建设提供了技术支撑,具有理论研究意义与实际应用价值。