近年来,随着城市工业化进程的加快,城市车辆急速增长,道路交通压力剧增,造成了车辆拥堵,事故频发,运输效率低下等诸多问题。在这样的需求背景下,车联网的概念进入了人们的视野。车联网是一个动态拓扑网络,车辆作为其中的节点,在这个网络中交换他们所承载的信息。本文对当前车联网路由协议与移动模型进行了深入的研究。首先本文讨论了目前应用较多的路由协议,从分类的角度对各种路由协议进行了对比研究,归纳出了各类路由协议的优缺点及适用场景。AODV路由协议是作为其中应用较为广泛的一个,但是它在路由发现阶段源节点会对邻节点泛洪路由请求包(RREQ),网络中充斥的大量路由请求包可能会造成广播风暴,网络拥塞等问题,这样就会使网络的延迟过高,传输率降低,网络的性能降低。本文提出了一种基于多级筛选的自适应调整算法,从两个方面降低了AODV路由协议在路由发现阶段泛洪的路由请求包的数量：一方面是基于连接稳定性的节点筛选,对节点与邻近节点间的速度大小与方向之间的差异进行计算,将节点间的稳定性进行量化,进而调整泛洪路由请求包的策略；另一方面是基于节点密度的筛选,考虑节点所在区域的节点密度,调整了对邻节点泛洪路由请求包的概率,从而达到改进协议的目的；另外,车辆自组织网络的高移动性,使得链路经常断开,我们将延迟容忍网络(DTN)的特性集成到了传统AODV路由协议中,在不影响原AODV路由协议运行的基础上,添加了DTN束层,当网络无有效路由时,则使用DTN的保管传递机制,通过跳到跳进行可靠的数据传输。我们还对各种移动模型进行了对比研究,讨论了各个移动模型之间的应用场景和他们的运动模式,抽象出了各个移动模型的数学表达,并且重点讨论了Krauss模型,在对其缺点进行改进后得到了一个更加贴近现实环境的移动模型。为了对改进的路由协议的性能进行分析测试,我们使用网络仿真器NS-2和交通仿真器SUMO共同搭建了一个交互式的仿真实验平台；同时为了使得仿真结果更加接近于真实环境,我们选取了真实路网中的一段,对车辆使用新的Krauss移动模型建模；由于区域内某时间点的车流符合泊松分布,我们将路网与时间段分块,进行了车辆分布的泊松过程。我们在此基础上进行了多次仿真实验,实验取得了预期的效果,证明我们对传统AODV路由协议的两种改进算法都是有效的,基于多级筛选的改进算法可以有效的防止过多的路由请求包造成的广播风暴,并使网络的包传输成功率和吞吐量得到提高；而基于DTN特性的改进方法则在移动网络中保持了可靠的端到端的链接,特别是在网络规模变大时,可以有效的提高包传输率,降低网络端到端延迟和网络的路由开销。