随着自动驾驶技术的发展和车联网的出现,智能网联汽车基于各类传感器数据实现密集型计算,通过无线通信技术提前获取信号灯状态对驾驶行为进行预判,利用驾驶辅助系统自动刹车或变速,或主动要求驾驶员进行操作控制,从而达到最人性化的驾驶状态。如何发挥智能网联汽车的优势,优化完善驾驶辅助系统从而提高道路的通行效率及安全水平是目前的研究热点。同时未来智能网联汽车将成为一台装载着大量数据的车轮计算机,共享这些车联网数据可以为智能驾驶开发、城市交通管理、道路基础设施建设、车辆保险、车辆保养、车载娱乐等提供服务,以获得车联网数据效益的最大化,促进智能网联汽车与不同行业的双赢。受当前智能网联汽车分布广泛且场景复杂的影响,车联网数据共享存在数据源多、数据及用户隐私泄漏等问题。针对上述问题,本文重点开展以下研究:（1）针对CACC（Cooperative Adaptive Cruise Control）主要适用于高速公路的问题,改进CACC以适用于近交叉口区域,面向智能网联汽车提出一种基于CACC的车速引导模型,并与传统汽车的IDM（Intelligent Driver Model）模型进行对比。实验结果表明,本文所提模型可显著提升道路通行效率。（2）在开放场景下,针对异质交通流在近交叉口区域的敏感性较差的问题及针对CACC目前合作渗透水平太低,它将自动实现功能退化,转变为ACC（Adaptive Cruise Control）的问题,面向智能网联汽车提出一种基于ACC的车速引导模型。同时引入通信延迟变量,探讨在不同车联网通信技术的背景下,基于ACC的车速引导模型对异质交通流稳定性的影响。实验结果表明,在5G-V2X通信条件下,本文所提模型对异质交通稳定性的敏感度较低。（3）针对车联网数据目前缺少相关共享机制且安全性差的问题,本文提出面向智能网联汽车的车联网数据共享模型。该模型借助远程云服务器满足庞大的储存和计算需求,利用区块链的透明性保证数据的真实性,采用适用于车联网身份认证的无证书多接收者代理签密技术实现车联网数据的可信共享。通过安全性分析,证明本文所提模型的机密性、不可伪造性等安全属性。相较于其他数据共享模型,本文所提模型计算效率更优。