在智能交通系统(Intelligent Transportation System,ITS)的交通设施中增加一种无线传感器网络技术,能够从根本上缓解困扰现代交通的安全、通畅、节能和环保等问题,同时还可以提高交通工作效率。无线传感器网络(Wireless Sensor Network,WSN)通过无线传感器节点获取环境信息,自组织地进行无线通信和组网,在无线传感器网络中,单个传感器节点周期性采集到的数据在时间上可能是相关的,地理位置相邻的传感器节点收集到的数据在空间上往往也是相关的,于是,可以使用某种变换来去除其中的冗余信息,达到数据压缩、节省传输能耗的目的。本文对基于时空相关性的WSN节能策略进行研究。首先,在对周期性采集到的数据进行相关性分析,研究数据采集频率和数据失真度之间的关系,对各种有损压缩及无损压缩的性能进行比较的基础上,提出一种改进的LTC(Lightweight Temporal Compression)算法,该算法基于判断门限,将重构精度与采集频率进行折衷。MATALB仿真结果表明,算法在保证数据失真度的同时,可有效地抑制数据发送频率,减少传输冗余,从而达到节约能耗的目的。其次,讨论了节点间距离、信道衰耗等空间相关因素对失真度的影响,证明了在满足空间相关性的条件下,可以通过选用代表节点的方法,减少全网数据传输。同时引入相关半径概念,利用相关半径构建成相关簇,根据相关性系数和节点位置信息确定失真函数。合理选择簇头节点和发送数据方式,既有效地利用数据之间的空间相关性,保证数据失真在一定范围内,又避免了因数据传输量过大而能量消耗过大。并深入分析了GCC(Greedy Corrected Clustering,GCC)和K-Means两种与空间相关性结合的节点分簇算法,经MATLAB仿真比较得知,在对WSN中节点进行相关分簇时,这两种算法都有效的抑制了数据传输量,降低了数据冗余,从而网络能耗得到优化。另外,经数据对比可知,K-Means算法比GCC算法可以得到更加均匀的分簇,且在相同簇数量的情况下获得较小的平均失真。最后,利用相关性分析结果,在典型的LEACH(Low Energy Adaptive Clustering Hierarchy)算法中,将相关性分簇的K-Means和GCC算法应用于LEACH,仿真实验表明,在不同的场景中,不同的算法融合适用于不同的需求,算法融合可进一步实现网络能耗的节约,提高数据精度,减小失真,延长网络寿命。