智能交通系统的出现满足了当今社会人们的娱乐和安全需求,然而越来越多智能通信设备的使用增加了网络通信的压力,造成网络中频谱资源的匮乏。利用频谱共享机制对动态频谱资源进行资源优化已经成为认知车载网络研究中提高资源利用率,改善网络性能的关键技术。能否公平有效的分配频谱资源是检验频谱共享机制好坏的重要标准。由于认知车载网络的高速移动性,网络拓扑结构变化剧烈,使用现有的基于认知无线电的频谱共享机制存在丢包率较高,吞吐量小,时延长等网络性能衰退的现象,不适应动态的车载网络环境。因此在复杂车载网络环境下,完善频谱共享机制,提高网络性能,实现公平高效的资源优化是目前研究亟需解决的问题。针对上述问题,本文提出两种频谱共享优化方案,主要研究工作如下:(1)基于分解的多目标布谷鸟搜索频谱分配算法研究。针对传统的多目标优化算法容易陷入局部最优解的问题,面向认知车载网络,建立基于干扰约束的以最大化平均吞吐量和效益公平性为目标的频谱分配模型,提出基于分解的多目标布谷鸟搜索频谱分配算法,并对算法在离散问题模型中的应用进行完善。利用标准测试函数对算法进行测试,同时,利用基于分解的多目标布谷鸟搜索算法求解认知车载网络频谱分配问题模型。(2)基于相对剩余时间的频谱接入退避算法研究。针对DCF机制中使用BEB退避算法不能保证车载用户公平接入信道的问题,提出基于相对剩余时间的频谱接入自适应退避算法。算法考虑动态网络环境,利用车载用户速度,位置等移动性参数,计算数据传输的相对剩余时间。建立数据包冲突概率的阈值判别网络的负载情况,对低负载和高负载网络分别提出不同的退避策略,并对吞吐量、公平性和丢包率等网络性能进行分析。(3)基于NS3的认知车载网络系统的实现。在认知车载网络场景模块中设计车辆模型、高速公路模型和移动模型等,模拟车辆在高速公路上的运动和通信。对车辆模型的网络设备、MAC层和物理层协议等进行配置并设计动态的NetAnim接口实现动态网络通信的可视化。