随着我国城市规模的不断扩大,城市化进程的持续发展,城区车辆聚集造成的拥堵现象频发。对行驶车辆进行联网,建立车辆网系统,及时反馈道路信息能够缓解拥堵,而目前和今后的很长一段时间,车联网系统的覆盖率仍处于较低水平,我们把这种车辆入网率不高的环境称为不完全车联网环境。不完全车辆网环境中的入网车辆和路况数信息据量有限,本研究有效利用车联网收集的数据,就道路预测系统进行优化和设计,实现对城市交通状况的准确预测,有效缓解城区拥堵,本文的研究方向对目前和未来的车联网发展,以及交通状况的改善方法的研究具有一定的意义与价值。论文的主要工作如下:（1）基于车联网环境中车辆分布特点和数据共享化特点,提出面向不完全车联网环境的实时分布式道路预测系统。本研究优化现有分布式车联网数据实时传输性能,并将分布式平台、核心路径规划算法和用户交互界面三个部分融合设计,奠定用多时间维度道路数据来预测路况的基础。（2）创新性的将预期导航数据信息、实时GPS信息和历史路况信息三个时间维度数据进行融合,设计具有自动更新导航路径功能的路径规划算法和根据路况数据提取导航路径方法,并结合分布式道路预测系统,实时共享周边车辆行驶数据和周边路况,实现对后续道路路况的准确预测。（3）借助前端页面服务框架Flask搭建Web交互页面,实现用户和道路预测系统的交互。通过前端页面,将系统预测的道路路况和导航路径信息可视化展示。从后台到前端,从数据源到数据分析,从数据处理到结果展示,对不完全车联网中实时数据流的道路预测功能做设计和优化。最后利用开源数据,设计不同环境下的道路实验,最终城市平均车速提高18%,同时87.9%的联网车辆到达目的地行驶时间缩短,证明系统的可靠性和有效性。