随着人工智能、物联网和移动互联网的快速发展,社交行为的影响力逐步攀升。社交行为在车辆自组织网络(Vehicular Ad Hoc Networks,VANETs)的渗透形成了车载社交网络(Vehicular Social Networks,VSN)。本文旨在研究车载社交网络中社区检测和数据转发策略问题。通过对车载社交网络中节点特征的分析获得社区划分方法。在此基础上进一步利用城市环境中的基础设施辅助车辆转发数据,提升车载社交网络中用户对感兴趣内容的互动能力。本文的主要工作如下:第一,针对以往对社区划分的研究受地理位置或车辆运动状态的限制问题,研究了具有多兴趣特征的用户在出行环境下的社区划分方法。通过已获得的车辆移动轨迹和行为规律,分析用户的出行规律找到最活跃的参考节点及其兴趣指标。借助基础设施对收集的节点数据与参考节点进行相似度计算进而对节点分类,提出一种利用社交关系相似性的社区检测方案(an algorithm of Social Multi-interest Assisted Community detection in vehicular social networks,SM-AC),使节点间的关系独立于各自运动状态与位置。通过对比其它常用方法,验证算法提高了社区内节点平均相似程度且增加了社区稳定性。第二,针对快速移动节点在及时有效收发数据上存在的困难及如何选择转发节点问题,提出一种利用基础设施辅助节点传输数据的方案(Infrastructure-Based intra-or inter-Community data Forwarding,IBCF)。通过基础设施获取并存储数据同时对数据进行分析处理,将数据转发给有需求的目标节点或直接广播数据到范围内的所有车辆。通过对信息的区别处理和基础设施的辅助传输功能,使得在VANETs衍生环境下最大化利用社交网络的特点即主动参与、分享信息、建立社交圈。仿真实验表明:通过利用基础设施对节点数据的收集与分析,并应用本文所提数据转发方案,可有效提高车载移动网络环境中数据接收成功率并降低平均时延。