车辆自组织网络在改善道路安全和提供车载娱乐服务方面具有广泛的应用前景。由于车辆自组织网络中车辆节点快速移动和道路网络特殊的拓扑结构会产生无线信道不稳定的问题,解决这一问题需要部署一些路边单元为车辆提供通信覆盖。因为路边单元部署和维护费用高昂,选择具有成本效益和覆盖价值的区域进行路边单元部署是很重要的。在驾驶辅助及商业推广应用方面,路边单元的部署重点是覆盖大部分车辆所在的区域,因此可以使用车辆密度作为衡量区域是否值得进行通信覆盖的标准,如何实时精确的获得车辆密度也是车联网领域中一个广受关注的问题。现有的车辆密度估计方法大多需要基础设施的辅助,这些方法在可靠性、局限性、实时性和成本方面存在缺陷。现有无基础设施的车辆密度估计方法中,没有考虑不同的道路状况下车辆的分布,导致算法不能适应多变的交通环境。在路边单元部署的研究中,很多方法简单的对目标区域进行完全覆盖,这会造成路边单元的冗余,因为道路才是提供通信覆盖的主要目标。车辆密度作为交通系统中重要的因素在部署路边单元时应该考虑,但是大部分研究者忽视了这一因素。针对上述的这些问题,本文对车辆密度估计和路边单元部署进行了深入的研究,主要研究成果如下:1.提出了基于Logistic交通流模型的模糊集合根据Logistic速度密度模型以及道路通行手册使用模糊逻辑提出了车辆速度和密度对应的模糊集合。参照模糊集合车辆可以根据自身的运行速度判断道路上的车辆是稀疏还是稠密,然后自适应的选择不同的车辆密度估计算法。2.提出了无基础设施的分布式自适应车辆密度估计算法在分布式自适应车辆密度估计算法中(Distributed Adaptive Vehicle Density Estimation Algorithm,DAVDE)首先根据模糊集合将交通状况分为道路车辆稀疏和稠密两种情况,针对不同的交通状况分别使用基于信标和基于聚簇的车辆密度估计方法。仿真结果显示,与现有的无基础设施的密度估计算法SLDE和CoTEC相比,DAVDE算法可以更好的适应复杂多变的交通环境,保持稳定的低误差率和通信开销,在不同的车辆密度环境下密度估计误差率可以控制在4%之内。3.提出了基于车辆密度的RSU部署算法基于车辆密度的RSU部署算法(RSU Deployment Algorithm based on Vehicle Density,VDRD)使用本文提出的覆盖值模型和基于覆盖值的自适应聚集点发现模型,根据车辆密度进行RSU部署位置选择。仿真结果表明,与GBP算法和PMCP算法相比,在同样部署10个RSU的情况下车辆覆盖率分别提高了15%和2%;在车辆密度超过40pcu/km的情况下平均通知时间分别减少了27.97%和21.82%;车辆与RSU接触的次数和被RSU覆盖时间两个指标整体上优于对比算法。