作为物联网技术的典型应用,车载传感网已成为提高道路通行质量的优先发展技术。由于城市道路车流量较大,构成具有一定密度、稳定的车载传感网成为可能。车载传感网中,节点的高速移动导致网络拓扑结构频繁变化,网络特性受限。影响节点移动行为的因素具有模糊性和随机性等不确定性,传统的车辆移动模型已不能准确表征节点的移动规律。因此,针对节点移动的不确定性,开展车载传感网移动模型研究,具有重要研究价值。本文仿真分析了现有车载传感网节点移动模型,归纳了各模型节点移动的差异性及不足。结合车载网节点移动过程中的不确定性分析,提取了相对速度、相对位置、时间依赖度、空间依赖度和路面依赖度5类不确定性指标。计算得出了每个指标的云数字特征,利用云模型完成不确定性指标定性分析与定量描述之间的转换,解决了节点移动过程中模糊性和随机性问题。提出了一种改进型智能驾驶员模型,可最大程度地涵盖节点移动过程中的不确定性,更真实地表征节点移动规律与策略,拓展了智能驾驶员模型的描述能力。依据道路实测数据,对比改进模型的计算结果与实测得出的加速度与速度值,验证了模型的有效性。结合Vanet MobiSim与NS2仿真平台,对比改进模型与智能驾驶员模型对路由协议的影响。以平均端到端时延与分组数据投递率指标,表征两种移动模型对路由协议的影响程度。验证与分析表明,改进模型可客观反映城市道路上的车辆移动行为,与智能驾驶员模型相比,提高了在交通运行环境复杂时通信链路的稳定性,更真实地表征了车辆移动规律。