在车联网环境下,车辆的移动改变了交通状态,继而触发网络连通性的变化,引发相关车辆对自身移动方式的调整。为了更好地挖掘真实的车辆移动轨迹,首先从车辆、交通情境以及驾驶人角度剖析包括移动约束、交通环境及时间尺度等影响车辆运动方式的关键元素,为构建模型提供指导;然后依据移动模型的数学理论方法,回顾了移动模型近年来的研究进展、代表性研究成果及相关文献等,并将其分为交通波模型、车辆跟驰模型、元胞自动机以及行为模型这4类;为了生成贴近真实状态的模型,采用真实数据对理论模型进行验证并修正;在阐述该方法的基础上,选取用户相关的数据与车辆轨迹数据对移动模型进行具体划分,并论述其在刻画物理环境、车辆交互、出行者习性以及反映交通流的实时状况,预测未来车流趋势等方面的应用。研究结果表明:现有模型对车辆属性与驾驶行为特性考虑较少,这会造成移动模型对车辆及驾驶人个体特征的忽略,从而影响模型的适应性;如何在特定的交通应用下,加强网络仿真器与车辆移动模型之间的交互,挖掘特色应用领域,实现人、车辆、交通环境之间的最佳匹配,将是车辆移动模型的未来发展方向。通过展望车辆移动模型的发展趋势,为该领域学者选择正确的架构模块和适当的模拟粒度提供参考。