车载自组网是建立在移动车辆之间以及车辆与路边基础设施之间的一种自组织网络，其目的是提供车辆之间的通信以实现信息共享。车载自组网通过车辆信息（如车速、加速度、位置和方向等）以及路况信息（如交通拥塞情况、交通灯信息和道路实时状态等）的交互，以提高车辆通行效率及安全性。车载自组网主要应用于智能交通系统中的安全预警、协助驾驶、分布式交通信息发布、基于通信的车辆控制及办公与娱乐化五个方面。车载自组网已经在学术界和工业界受到广泛重视，目前已经有许多基于车载自组网的相关研究。由于在车载自组网中车辆移动受到道路限制，车辆节点移动速度较快，节点拓扑变化非常迅速，许多现有的协议及应用无法适用于车载自组网，因此需要研究出符合车载自组网的自身特性的协议及应用。然而，车载自组网的新型应用和协议在实际工况条件下的测试需要很多人力和物力，并且不易控制，容易发生危险和损失，因此通常采用软件模拟方式代替现实模拟进行实验验证。在软件仿真车载自组网场景时，模拟车辆能否符合实际车辆的移动特性是仿真是否真实的基础，因此需要设计车载移动模型来准确的模拟出车辆在车速、车辆加速度、车辆暂停时间、车辆移动方向、道路限制、交通灯规则限制等方面的移动特性。准确的移动模型是提高车载自组网模拟结果置信度的关键技术之一，也对评估车载自组网中协议和应用的性能有至关重要的作用。当前,针对车载移动模型的研究主要致力于在模型中加入新的考察标准或者提出符合特定场景的移动模型，而对于当前已有的车载移动模型的归类分析及性能评估比较少。基于上述原因，本文对当前已有的车载移动模型进行分类和分析，选取典型的移动模型，对其设计原理进行详细阐述，体现了经典移动模型发展的总体过程，并从宏观和微观两个方面针对选定移动模型的车辆的移动特性进行统计，展示了不同设计方案对车辆移动特性的影响：（1）微观方面，分析了各典型移动模型车辆的单次移动时间、单次移动距离、单次暂停时间和单次连接时间等特征量，结果发现不同模型在上述特征量的补累积分布下具有相似特征，而对应特征量的概率分布则具有一定差别。（2）宏观方面，分析了各典型移动模型单个车辆的平均速度、总移动距离、总移动时间、平均邻居数量和平均加速度等特征量，结果表明不同模型在上述特征量的补累积分布下也体现出近似的相变行为，但各自的相变点不同，各模型对应特征量的概率分布具有明显的泊松分布特征，但均值差异较大。另外，本文也分析了各典型移动模型所有车辆的瞬时平均速度、瞬时移动距离、瞬时移动车辆数目、瞬时平均邻居节点数和瞬时平均加速度等特征量，结果表明各移动模型瞬时特性曲线的抖动强度和抖动趋势均不同，各模型特征量的平均值对车辆数量变化的敏感度也不尽相同。