随着中国经济飞速发展，城市化进程不断的加快，交通拥堵问题日益严重。智能交通系统作为治理和缓解城市交通拥堵问题的有效途径之一，其核心为实时的路网信息获取和准确的短时交通流预测。因此，本文从城市路网出发，结合交通信号灯对路段上的车辆分布以及路口交通流的影响来研究如何降低车载自组织网络中的数据传输时延和提高短时交通流预测的精度，从而为交通出行者提供更加及时、准确和有预见性的交通信息，合理引导其出行，达到缓解路网交通拥挤的目的。
　　首先，本文结合城市交通场景中交通信号灯对路段上车辆分布的影响，提出了一种基于不同信号灯状态下的区域分簇路由协议。利用红灯状态下路段两端的车辆进行聚集等待的特征，将车辆排队等待的区域划分为分簇区域，然后结合簇首节点的能量消耗与其到 RSU （Road Side Unit）之间的距离关系来确定最小传输时延下的分簇半径集合，再根据不同信号灯状态下的成簇机制进行分簇。当路段中的车辆节点需要从 RSU中获取路网中的交通数据或者发送紧急消息时，该路由协议能够让车辆节点结合自身所处的位置以较少的跳数进行数据包传输，在减小传输时延的同时，能够均衡各簇首节点的能量消耗。
　　其次，针对传统的短时交通流预测没有考虑交通信号灯对车辆流动的影响，与实际城市场景中的交通特征不符，预测模型存在精度不高和没有拥塞预警等问题，本文提出了一种基于不同信号灯状态下的短时交通流预测与拥塞预警算法。通过构建不同信号灯状态下的路口交通流时间序列，利用模式匹配方法来挖掘不同信号灯状态之间的路口交通流潜在的相关性，从而实现预测时间范围内对每一个信号灯状态下的路口各方向交通流的预测，然后通过建立的短时交通流预测模型来计算出目标路段在未来一段时间内的车辆数。另外，本文结合拥塞定义以及预测模型，给出了目标路段的拥塞预警算法。
　　最后，结合实际城市路网地图，利用SUMO和NS-2对基于不同信号灯状态下的区域分簇路由协议进行仿真，实验结果表明，本文提出的区域分簇路由协议能够减小数据包的传输时延、提高数据包的分组投递率以及均衡各簇首节点的能量消耗。同时，利用MATLAB对基于不同信号灯状态下的短时交通流预测与拥塞预警算法进行仿真，实验结果表明，本文提出的预测模型能够提高短时交通流预测的精度，相应的拥塞预警算法能够对拥塞做出预警。此外，本文还指出了一些有待解决和完善的问题，进而引出后续的研究方向。