车载网(Vehicular Network)与信息中心网络(Information Centric Network,ICN)有着天然本质的联系与相似性,在车载网中引入ICN技术后能有效的改善信息传输效率。但ICN技术引入到车载网后,数据转发协议与相关机制,如路由、数据包的转发、缓存、应用的类型、应用获取数据的方式等等均发生变化,这大大改变了车载网的数据流量特性。同时随着车载网络发展,大规模的车辆终端和包括各类传感器在内的移动设备接入网络,其产生的流量对网络基础设施带来了不可预测的变化。因此对基于ICN的车载网的流量进行分析和建模,不管是对更好地分配网络基础设施资源,还是对保证车载网应用性能都有重要的意义。论文首先在对基于ICN的车载网中的数据缓存技术及流量特点进行深入分析的基础上,设计并实现了一种基于信息热度的隐式合作缓存方案。仿真结果表明,该方案降低了信息的缓存次数,减少了缓存冗余,节省了网络存储空间,同时不影响从网络获得信息的平均响应时间。该缓存方案有助于论文研究不同缓存策略对流量特征造成影响的情况,特别是该缓存方案考虑了信息的热门度和车辆密度这两个影响流量特征的重要因素。在此基础上,论文根据车载网中不同应用特点及分布,缓存策略,并基于真实车辆移动数据,在仿真环境下设计与实现了一套基于ICN的车载网流量生成系统,并进行网络仿真,生成并收集了车载网中的流量。同时,论文提出了一种基于小波调制的嵌套隐马尔可夫模型对获取的基于ICN的车载网流量进行建模。该模型把复杂的车载网流量通过小波变换分解成多个不同的振荡状态,然后对不同振荡状态进行隐马尔科夫建模,形成了嵌套的隐马尔科夫模型。论文最后从模型的准确性、通用性和复杂性三方面对所提出的模型进行了评估。评估结果表明该模型能较准确的描述基于ICN的车载网流量特性。