车载社交网络（VSN）是一个新兴的网络通信研究领域,其相关概念是从车载自组织网络（VANET）和移动社交网络（MSN）这两个不同的学科借鉴得到的。这一新兴网络为内容共享,数据广播和传递服务提供了新的研究方向。基于社交网络分析（SNA）的应用和方法,VSN可以利用网络实体的相互依赖性来进行今后应用的开发。VSN包含了具有相似目标的车辆,乘客和车辆虚拟社区中具有类似目标,兴趣或移动模式的通勤者的社交关联。挖掘VSN中通勤者的移动众包能力可以为当今智能城市的若干挑战提供有前景的解决方案,例如交通拥堵控制、交通管理、智能停车和路线推荐等。在VSN中,移动众包取决于协作和可靠的数据转发。与其它ad-hoc网络和延迟容忍网络相比,节点的移动性是高度动态的,并且仅限于VSN中的道路。车辆的流动性受到许多因素的影响,包括交通管制、城市发展和规划、工作时间/天数、居民的工作和生活方式、社会价值观、路障等。现有针对VSN所提出不同协议的验证和评估十分依赖于仿真。因此,验证的好坏和结果的可信度高度依赖于模拟采用的基础移动模型。然而,VSN的上下文感知应用程序的仿真性能评估通常受到底层移动性模型偏差的影响。即使使用完美的网络级模拟器进行性能评估,车辆移动性的错误表示也可能对结果和结论产生误导。只有潜在的移动模型与现实世界的车辆交通相似时,所获得的结果才能被认为更准确和可信。本文构建了大规模的城市交通模型,并提出了两种基于社会特征度量和节点自私性的数据转发协议。首先,概述了合作性和非合作性（即自私性）VSN中现有的移动模型和社交感知数据转发协议。其次,调研并获取了大型城市的交通数据,并描述城市交通的基本特征,进而构建大规模的交通模型。接下来,提出了一组社会认知数据转发协议,用于具有协作性和社会自私性的VSN中的数据转发。本文采用基于分析和模拟的实验来评估生成的移动模型和提出的协议。首先,我们研究了城市交通大数据,以描述城市交通的基本特征,并据此构建了大规模的城市交通模型。本文利用道路和交通信息来增强基于道路加权段的行程生成算法和交通分配技术。此外,对导入城市交通模拟（SUMO）的OpenStreetMap进行细致全面的研究和校正,使其趋近于真实世界的道路拓扑。实验结果和验证过程表明,生成的移动模型能够揭示出VSN的上下文感知应用分析所需的实际行为。其次,受日常生活中的社交熟人启发,我们提出了一个基于社会认知的VSN路由协议（SARP）,它综合考虑三个社交功能指标进行数据转发决策。该协议旨在减少端到端延迟并提高VSN中的分组传送率。此外,SARP通过考虑全局和局部社区对节点的熟悉程度,克服了基于拓扑和基于地理位置信息的路由协议的缺点。本文在恒定节点密度下进行了大量仿真,通过设置不同的移动速度和恒定的速度以及不同的节点密度,来研究节点移动速度和密度对端到端延迟和分组传送率的影响。仿真结果表明,SARP在端到端延迟和数据包传输率方面分别优于GPSR 22%和26%。此外,SARP在端到端延迟方面优于AODV。最后,我们提出了一种协作数据转发（CDF）机制,以激励自私性节点参与数据转发。为了增强数据转发机制,CDF基于社交感知路由机制,并使用直接观察和移动众包信息的合作算法来激励自私节点参与数据转发。此外,CDF是一种多跳单拷贝转发机制,可以显著降低网络开销。在实验结果和分析中,本文使用基于移动众包的真实车辆移动数据集。结果表明,CDF鼓励越来越多的节点进行协作,在数据传输率、传输成本和端到端延迟方面的网络性能提升显著,从而大幅改善了VSN的移动众包应用性能。