本文研究在城市车辆网络（Urban Vehicular Ad-hoc Networks, VANETs）中的有限时延的服务发现协议(Delay Bounded Service Discovery Protocol, DB-SDP)。具体说来是指在一定的延迟限制之下，定位分布在整个车辆网络中的的资源和服务（例如，本地的传感器数据和多媒体内容等）的问题。为了方便服务的发现，我们可以选择出一组称为服务目录的车辆来存储网络中所有资源的索引信息。由于车辆无线自组织网络的分隔特性，选择一个最佳的服务目录车辆集合，使之有最小的尺寸，并且同时满足用户对有限的响应时间延迟的要求是非常困难的。在本文中，我们将有限时延的服务发现中服务目录选择的问题（Delay Bounded Service Directory Selection，简称为DB-Sel）形式化为一个最优化问题，从而我们可以在时延限制约束下，最大限度地减小的服务目录集合的大小。我们从理论上证明了即使在我们已知车辆的未来位置的情况下，DB-Sel问题是NP完全的。我们观察和证明了一组任意选取的服务目录车辆集合在一定时限内可以遇到的车辆的数目有一定的规律性。我们还发现车辆之间的相遇概率呈现出很强的时间相关性。基于这些观察，我们设计了一个启发式算法，它可以根据正态分布的性质和历史的车辆相遇概率来迭代选择最佳的服务目录车辆集合。我们证明了我们的算法相比最优解有性能上的近似界。我们进行了大量的基于真实车辆轨迹的模拟实验，研究结果表明，我们的算法可以在保证规定的时延限制的情况下，比其他的替代算法选出的服务目录车辆集合小20%。