随着5G移动蜂窝网络和自动驾驶技术的不断发展,智能交通系统(Intelligent Transportation Systems,ITS)正逐渐成为技术创新和产业发展的重要领域。为了促进交通系统的智能化和网联化,满足智能安全驾驶和交通信息服务的需求,研究人员开发了多种ITS应用。这些应用通过交通信标(Traffic Beacons)的广播与交互,在车联网(Internet of Vehicles,IoV)中进行道路交通信息收集和应用决策部署,因此,对IoV的数据传输和网络性能有着较高的要求。为保障ITS信标(尤其是安全信标)准确无误的在IoV中快速交互,论文研究ITS道路拓扑和IoV通信链路特性,设计通过链路自适应技术优化信标传输性能的策略和方法,具有一定的理论和工程意义。在车辆节点高速运动的ITS系统中,信道状况快速变化,需要结合道路的空间拓扑和车辆的行驶特性,对信道质量进行预测。论文引入短时交通流预测算法,在可预测交通流量的基础上,对信道质量进行分析,建立基于可预测交通流的信道估计模型(Channel Estimation Model Based on Predictable Traffic Flow,CEM-BPTF)。相比于传统的信道估计技术,CEM-BPTF充分利用了车联网信道状况可预测的特性,对信道质量有预测的功能,一定条件下对链路参数的自适应分配有较好的促进作用,更加适合ITS场景。在IoV这个无线通信系统中,影响数据传输质量的一个最根本的原因就是信道的衰落特性,选择合适的调制编码方法(Modulation and Coding Scheme,MCS)能够帮助信号克服信道衰落的影响。区别于传统移动蜂窝网络中的自适应调制编码方法(Adaptive Modulation and Coding,AMC),通过CEM-BPTF预测信道质量,在可预测信道质量的基础上,对ITS信标广播的AMC策略进行优化。优化后的AMC策略在MATLAB中进行性能评估,并与传统调制编码方法进行对比,结果表明:该优化策略在满足信标数据传输成功率(Packet Delivery Rate,PDR)的前提下,有效降低了数据交互时延,进而能够提升系统的吞吐量。当车联网中节点增多时,频繁广播的信标消息会使信道拥塞。论文进一步研究了基于CEM-BFTF估计模型的广播时间间隔和发送功率协同分配策略,并结合AMC优化策略,形成可预测信道中的自适应链路参数(Adaptive Link Parameter,ALP)协议。通过对链路参数的自适应分配,缓解与避免可能出现的拥塞状况。在基于SUMO的OMNET++仿真平台中,利用Veins框架建立了IoV信标广播通信模型,测试ALP对通信性能的影响,结果表明:拥塞和空闲信道环境中,信标广播的PDR和交互时延均得到保证;提升了空闲信道中信标的通信范围和广播频率,促进了安全应用的信息收集和功能实现;减少拥塞的同时信道利用率较高。