目前,车辆交通已经成为全球性公共安全的重要环节,智能交通系统的发展,旨在为道路交通提供各种安全信息,而作为智能交通系统重要基础之一的车联网(Vehicular Networks)的概念就是在这种需求背景下提出的。然而车联网络的一些自身特点,比如节点的快速移动性、快速变化的网络拓扑结构以及车辆密度的不均衡,使得节点之间链路持续时间比较短,很多链路经常断开,很难保证车辆间可靠的端到端连接,影响数据传输过程的完整性。车联网内数据的及时有效传播也因此成为了一个非常棘手的工作。同时,所有车辆节点大规模的接入LTE等移动网络获取所需数据的成本很高,而且会造成网络内大量冗余信息的产生,不利于整体性能的提高。因此,作为一种自组织网络,在每个车辆节点都有内容需求的情况下,数据传输更多地需要通过节点之间的合作传输来实现,从而满足各个节点的内容需求。然而出于节省自身带宽等通信资源的原因,车辆之间不会自然产生合作,所以车联网内需要适当的激励机制来促进和加强车辆间的合作。为了解决这种降低网络整体性能的自私性,常常采用基于“信誉评估”和基于虚拟支付的激励机制。但是现有的虚拟支付激励模型,只解决了节点“发”而没有解决“尽力发”的问题。信誉评估方案也存在着反馈数据的安全信任问题。本文首先将信息中心网络架构和车联网有机结合,旨在应对车联网短连接,变化拓扑等问题。其次,提出了一种多节点内容合作传输的资源共享模型,并针对该模型中可能出现的节点自私行为提出了合作节点选择的优化方案及激励模型。中央服务器负责收集和传递网络中节点产生的分布式反馈数据,节点对反馈数据采用基于D-S证据理论(Dempster-Shafer Theory)和K-Means机器学习算法的优选方案,实时评估合作节点的可靠性,尽可能地找出真实可靠的合作节点,从而提升内容传输的效率;同时通过请求排队机制和虚拟支付相结合的方式,对车联网中的节点就资源共享进行激励。另外,我们还提出了一种发送方和接收方双向确认的辅助机制,旨在从源头上尽量减少虚假反馈数据的产生。仿真实验结果表明,节点优选和激励机制可以更加精准地选择出可靠的合作节点,激励车辆节点积极地参与到网络中的内容共享中来,从而提升网络中内容传输的稳定性和吞吐量。