自IEEE802.11p协议提出后，车车（V2V）通信受到了广泛的关注。物理信道的理解分析和网络性能优化是V2V投入应用之前亟待解决的两大关键问题。就信道而言，V2V的通信场景与传统的无线通信相比有很大的不同，例如短暂的链接时长、车辆的高速移动、低矮的收发天线，由此导致车车通信信道的冲激响应呈现出独特的时空特性。学术界对于车车通信的信道研究做了很多工作，主要分为建模和测量两种方式。建模通过用符号和公式刻画通信场景的物体和电磁波特征，用程序计算模拟结果，花费成本小；测量需要各种相关仪器设备，数据准确实际，但成本大周期长。建模方式分为几何确定性模型和随机模型，后者进一步分为几何随机模型和非几何随机模型，这其中几何确定性模型的准确度最高，但计算复杂度也最大，并且需要庞大精确的场景数据。本文从几何光学的观点出发，用几何确定性模型的方法对V2V的物理信道建模，实现对外接口，使其能够整合进诸如CarSim、Simulink等仿真软件，获取场景数据，进行实时仿真计算。本文将介绍一系列车车通信场景中必要的交通和环境模型，包括车辆、道路、建筑、树木和天气，运用镜像法确定通信信道中电磁波的传播路径，包括直射（LoS）、反射、绕射、散射以及它们相组合的路径，进而获得重要的信道特性参数，例如冲激响应、平均功率，并对不同交通和网络场景进行了仿真计算和结果分析。就网络优化而言，可以从不同的维度描述网络性能,如吞吐量、信道繁忙概率、延迟。车载通信网络下的性能优化问题，已有学者通过车流密度，动态调节竞争窗口和传输功率的方式，提高吞吐量，降低时延。本文提出了一种基于部分可观测的马尔科夫博弈（POMG）模型，通过观测到的车流密度，动态调整节点的传输范围、竞争窗口、比特率，从而获得网络在吞吐量、信道繁忙概率、时延和节点数几个维度上的优化，实质上是多目标优化问题，研究结果表明，这些目标是相互制约的，即提升一个目标上的性能，是以其他一个或多个目标上的性能下降作牺牲的。不同的应用场景下对各目标下网络性能的要求是不同的，例如安全类应用需要较低的网络延迟，视频电话需要较高的吞吐量以支持图像数据的传输，本文提出的方法能够满足不同场景下对于性能优化的需求，实验证明这种方法比现有机制和文献中的方式更能提高网络性能。