道路交通拥堵问题日益严峻,对经济、环境、交通安全、交通效率等造成诸多不良影响。虽然基于地磁线圈、视频等技术的传统智能交通应用在检测、缓解交通拥堵方面起到了重要作用,但这些技术与设备在检测范围及检测精度、信息处理及发布等方面依然存在较大的局限性。随着车联网技术的发展,基于车-车通信(Vehicle to Vehicle,V2V)技术实现道路交通拥堵的检测成为一种新的思路。基于上述背景,本文构建了一种基于V2V的车联网应用环境,并融合模糊逻辑、假设检验等方法,研究提出了一种基于改进D-S证据理论的交通拥堵检测方法;然后针对拥堵信息分发过程中存在的网络链路可靠性较差、易造成广播风暴、网络负载较大等问题,研究提出了一种基于交叉口的拥堵结果分发方法。具体包括以下工作:(1)在分析车联网体系架构的基础上,构建了一种基于V2V的典型车联网应用场景,研究了论文检测对象─交通拥堵的评价标准,在此基础上,根据车联网的特点,定义了交通拥堵的评价标准。(2)提出了一种基于改进D-S证据理论的交通拥堵检测方法。利用车辆间通过V2V方式交互的beacon消息,实现车流密度的估计;在此基础上利用实时车辆速度和车流密度构建模糊逻辑,实现本地交通拥堵水平的检测;利用假设检验的方法对本地交通拥堵水平的检测结果和邻居车辆通过V2V方式反馈的拥堵水平回复消息进行处理,实现本地交通拥堵水平的验证;进而基于改进的D-S证据理论融合本地交通拥堵水平,进行区域交通拥堵水平的估计,完成了所在路段的交通拥堵检测。(3)提出了一种基于交叉口的拥堵结果分发方法。利用V2V采集道路交通信息,实现实时交通与网络状态测量,同时采用一种连通性判决方法,实现交叉口处节点与相邻路段上的下一跳节点之间的连通性判决;然后根据实时交通与网络状态测量结果及连通性判决结果,对与交叉口处节点具备连通性的相邻路段进行综合评价;最后依据路段综合评价结果,确定交叉口处节点的拥堵结果分发路径。(4)搭建基于Veins的车联网仿真平台,并构建虚拟的城市道路交通环境,确定评价指标和仿真参数,在车联网仿真平台上对提出的交通拥堵检测及结果分发方法进行测试评价。测试结果表明:与“线圈法”和“CoTEC法”的检测准确率相比,本文提出的基于改进D-S证据理论的交通拥堵检测方法的拥堵检测准确率分别提高了5.5%和7.5%;与基于交通感知的增强型贪婪转发方法(EGyTAR)相比,本文提出的基于交叉口的拥堵结果分发方法在数据包投递率、网络负载和传输延迟等评价指标上有较大的提升。