随着传感器和无线通信等技术的发展，车联网作为物联网和移动互联网发展的代表性产物，成为现代智能交通的重要组成部分。车联网在提高交通运行效率和减少环境污染的同时，还能够提供辅助安全驾驶和紧急消息广播等措施来保障生命财产安全。尽管我国的车联网研究起步稍晚，但近年来得到了政府、企业和研究机构的大力支持和高度重视。2013年，工信部电信研究院和中国移动研究院联合发布《车联网产业发展白皮书》；2014年，国务院出台《关于促进智慧城市健康发展的指导意见》，将智慧交通上升到国家战略；2016年，工信部批准国家智能网联汽车（上海）试点示范区封闭测试区在上海国际汽车城正式开园，同时国家重大专项LTE-V车联网专用通信标准化项目启动。在学术界，车联网已经成为一个备受关注的新兴研究领域，对其关键技术的研究有利于推动智慧交通建设。为碰撞学术思想，促进技术交流，分享研究经验，《计算机研究与发展》推出了车联网关键技术与应用研究专辑，分别在多个研究方向上阐述了车联网领域中的研究成果，展示该领域近期的研究热点及发展现状。本期专题共计收录6篇论文，分别涵盖轨迹预测算法、联合路由调度方法、车联网数据安全、用户轨迹隐私保护和紧急消息广播等研究内容，在一定程度上反映了当前国内研究单位在车联网领域的主要研究方向。

在车载自组织网络(vehicular ad hoc network, VANET)(也称车联网)中，基于地理位置的路由协议能够较好地适应网络拓扑的动态性变化和链路质量的不稳定性.由于位置信息需要在邻居节点间采用信标分组进行交互，信标分组间隔内的转发决策可能因车辆节点位置的移动而不准确，需要进行位置预测来修正车辆节点的位置.已有的位置预测算法存在普适性差或预测误差大的问题.针对上述问题，提出了一种新的预测算法，首次通过测量得到车辆加速度服从正态分布的结论，利用线性回归进行预测，并采用反馈机制进行结果修正.利用真实车辆轨迹进行测试，新的预测算法的预测精度大为提高.然后，提出了一种新的基于位置的即时路由协议.在该协议中，发送节点利用邻居节点位置和目的节点位置计算出转发下一跳.将新的位置预测算法加入到即时路由协议中，实时预测和更新车辆的位置.利用SUMO软件生成了基于真实地图道路轨迹的车辆运动模型，结合NS3网络仿真平台进行了仿真实验.实验结果表明：采用新的预测算法后，相比传统的GPSR协议和不带预测的即时路由协议，新方法的收包率提高、延迟下降，并且协议开销显著降低.

已有的轨迹预测方法难以对移动对象运动轨迹进行准确地描述,尤其在复杂且不确定的车载自组织网络(vehicular ad hoc network)(也称车联网)环境中.为了解决这一问题，提出基于变分高斯混合模型(variational Gaussian mixture model, VGMM)的环境自适应轨迹预测方法ESATP(environment self-adaptive prediction method based on VGMM).首先，在传统高斯混合模型的基础上使用变分贝叶斯推理近似方法处理混合高斯分布;其次设计变分贝叶斯期望最大化算法学习计算高斯混合模型参数，有效运用参数先验信息得到更高精度预测模型；最后,针对输入轨迹数据特征，使用参数自适应选择算法自动调节参数组合，灵活调整混合高斯分量的个数和轨迹段大小.实验结果表明：所提方法在实验中表现出较高的预测准确性，可应用于车辆移动定位产品中.

通过将认知无线电(cognitive radio, CR)技术应用到车载自组织网络(vehicular ad hoc networks, VANETs)(也称车联网)中，认知无线车载自组织网络(CR-VANETs)可以缓解频谱资源稀缺问题，有效提高车对车通信的频谱资源利用率.由于车辆的高速移动性以及认知无线电频谱资源的动态特性，使得传统的认知无线电网络或车载自组织网络中的路由协议无法直接应用到CR-VANETs中.目前，针对CR-VANETs的路由研究相对较少，如何最大效率地利用有限的频谱资源，同时降低跳数过多带来的频谱资源浪费，仍然是一个有待解决的问题.为此，提出了一种CR-VANETs中联合路由调度方案，结合了有限频谱资源调度研究与最小化路由跳数的优化目标.首先，建立了CR-VANETs中的网络模型和基于车对车通信的频谱感知模型，预测车辆间有效接触时间和频谱可用概率.其次，通过这些参数定义出通信链路消耗，并由此得出权衡链路质量的权重因子.通过分析优化目标，将其转化为有限频谱资源约束下的最小化路由跳数问题，并证明该问题为NP难问题.然后，针对这个联合路由调度问题提出一种混合启发式算法，结合了粒子群优化算法的快速收敛性和遗传算法的种群多样性，对有限频谱资源进行调度，同时优化路由跳数.最后仿真实验结果表明，与现有的CR-VANETs路由研究比较，有着更优的路由跳数并使其保持在一个相对稳定的值.

车载自组织网络(vehicular ad hoc network, VANET) (也称车联网)数据安全共享通常采用群加密方式，高速移动的车载终端给群组构建和群密钥管理带来困难.密文策略属性基加密(ciphertext-policy attribute-based encryption, CP-ABE)为车联网通信安全带来了新的解决方案，但是传统的CP-ABE方案解密计算复杂度高，属性撤销需要整个密文进行全部更新，策略树的构建不够灵活，导致在车联网中的应用受限.为了解决上述问题，围绕车联网云存储数据安全分享，设计可撤销动静态属性的属性基加密方案.将动态属性和静态属性分开管理，构建组合策略树，引入解密代理将高复杂度的属性基解密过程的主要部分外包到服务端，车辆终端通过中央和本地认证中心进行属性撤销和动态属性更新.可撤销动静态属性的车联网属性基加密方案是安全的，在空间和加解密时间复杂度上较传统CP-ABE算法具有优势，实验还分析了车载终端解密、属性撤销和系统并发等性能.

车载自组织网络(vehicular ad hoc networks, VANETs)(也称车联网)数据收集与应用为智能交通、城市规划、降低车辆污染等问题提供有效的技术和数据保障. 在车联网数据收集中通常需要车载用户上报连续路段位置信息，这给车载用户个人轨迹隐私带来严重的威胁. 然而现有用户轨迹保护算法主要基于单点位置保护，不能有效保护基于路径上报的用户轨迹隐私.针对车联网中用户移动轨迹易泄露问题，提出一种基于路径隐私保护的位置信息上报方案. 该方案给出用户轨迹隐私保护定义和路径隐私限制下的问题模型，同时证明了该问题是NP-hard问题. 此外，还给出该问题的具体近似算法的实现. 仿真实验结果表明：提出的算法具有良好的车载用户隐私保护功能和数据收集覆盖性能.

城市的发展为车载自组织网络(vehicular ad hoc network, VANET)(也称车联网)提供了广阔的应用空间，其中紧急消息广播方法则是应用的一个重点研究内容.紧急消息广播需要满足低延迟、高可靠和高可扩展性等服务质量方面的要求.现有的紧急消息广播方法在选择下一跳转发节点时，假定每一个位置均有大致相等的概率被选为中继区域，对所有位置的节点一视同仁，缺乏针对最优节点位置分布规律的研究，不能较好地适应最优转发节点的分布情况.而降低紧急消息传播延迟的关键是快速确定合适的中继转发节点.因此，为了进一步提高紧急消息广播的及时性，降低传播延迟，提出一种采用类哈夫曼编码的紧急消息广播方法.首先分析了城市道路中最优转发节点的概率分布情况，然后在此基础上利用哈夫曼编码的原理，设计了一种能够最小化最优节点选取时间的快速分区方法，最终达到快速确定最优中继节点，降低紧急消息广播延迟，提高紧急消息传播速度的目的.仿真实验证明：该方法在不同场景中能够降低5.3%~18.0%的紧急消息广播时延，提高89%~24.5%的紧急消息传播速度.