随着互联网产业发展的日趋成熟,人们对网络的依赖越来越强,在车辆上使用网络的需求也越来越大。车辆自组织网络将为驾驶者提供便利,并给未来智能交通的发展提供可能。车辆合作下载可以使驾驶者更加方便的获取信息,包括实时路况、音乐、视频等,考虑到提高传输速率和降低下载成本,车辆合作下载技术应运而生。而在车辆合作下载过程中如何选择最佳的服务车辆,使用什么样的网络选择策略直接影响了车辆合作下载的质量。因此,本文针对服务车辆选择的问题,基于模糊数学提出了一种车辆选择策略,提高了车辆选择的效率和服务车辆的质量;针对网络选择的问题,基于重复博弈提出了一种网络选择策略,降低了网络下载的开销并促进了服务车辆积极地完成合作下载任务,主要内容如下。首先,针对合作下载过程中车辆选择的问题,提出一种基于模糊综合评判的合作车辆选择方案。在该方案中,首先根据影响合作下载的五个客观因素对车辆基于提出算法计算车辆的客观得分。然后根据客户车辆选择合作伙伴的偏好,基于提出的算法进行车辆满意度评分。最后采用提出的线性规划优化模型综合考虑车辆的两项得分最优化服务车辆的选择质量,提高服务车辆的满意度。该方案的主要目标是择优按需为客户车辆分配服务车辆。其次,针对下载过程中服务车辆的网络选择问题,提出了一种基于奖惩策略的分段网络选择方案。在该方案中,首先结合重复博弈的思想提出了一种鼓励服务车辆积极协助下载的奖惩策略。然后根据客户车辆和服务车辆的选择策略构建纳什均衡,获得有效报酬率、报酬激励有效的基本条件。最后在单位时间片段中基于奖惩策略进行网络选择。该方案旨在鼓励服务车辆积极地协助下载并最大程度的减少服务车辆的花费,实现车辆双方的互利共赢。最后,对于本文提出的基于模糊综合评判的车辆选择方案和基于奖惩策略的分段网络选择方案进行了实验仿真,并对实验数据进行对比、验证和分析,证明了本文提出方案的有效性。