随着城市的发展,交通拥堵问题也日益严重,在全球范围内引起了人们的关注。智能交通应用中的动态路径规划应用的出现是针对这一问题的有益尝试。车辆利用本地存储的电子地图,以及通过车联网接收到的实时路况信息进行实时的路径规划,以避免拥堵路段,尽可能减少车辆在路段上的行驶时间。然而,对于这一应用的研究中,并不检查接收到的数据的真实性,给予恶意节点篡改和伪造数据带来机会。因此,在车联网环境中引入数据信任评价能有有效增强路径规划应用的稳定性和结果的真实性,提高了应用的鲁棒性。动态路径规划应用使用路况消息作为路径规划的依据,因此相比起传统的实体信任的模式来说,基于数据本身的信任更加灵活,无需判断实体是否可信后再信任其数据,同时无需引入除数据本身外的额外信息,减少了车辆间的信息交换,减少了开销,缓解了网络压力。在此基础上,为了进一步减少车辆在信任数据计算上的资源开销,同时保证信任描述的结果相对更加接近真实水平,需要针对车辆的不同行驶场景提出相应的信任描述方法,既要考虑到载车辆数目较多、信息接收多的场景下运算性能的保证,也要考虑到当数据量较小的时候依然需要保持计算结果的精准性,正确率波动尽可能小。本课题以智能交通应用中的动态路径规划应用为基础,提出基于数据的路况消息信任评价模型,来针对恶意节点对路况消息的篡改和伪造,保证行驶安全。通过仿真实验证明,该信任评价模型在常见场景中都有着较高的正确率,能够有效保证车联网中动态路径规划结果的正确性,避免被恶意节点误导。