车载网(VANET)是一种在车与车、车与路边设施之间建立的移动自组织网络,是智能交通的重要组成部分。车辆的移动特性导致路由技术一直是车载网研究的热点。车辆的轨迹数据体现着车辆的移动特性,通过分析这些数据,可以挖掘出体现车辆之间关联关系的社会属性,利用这些属性进而可以用来帮助设计更好的路由算法。本文从车辆的GPS轨迹数据的分析着手,分析节点之间的相遇情况以及节点在各活动区域出现的概率;对节点移动轨迹进行分析,然后进行社区的划分,从而获得车辆的各项社会属性,并基于这些属性设计机会路由算法;针对现有路由的不足,利用社会属性进行改进;为了验证新的路由算法的性能,设计了社会属性挖掘与路由仿真系统对路由算法进行了模拟实现。具体的工作包括以下几个部分:首先,基于处理后的轨迹数据提出节点相遇模型,挖掘车辆之间稳定存在的关联关系;基于团对车辆进行社区划分,并得到节点的关联度和多级社区属性;同时给出了社区内节点的中介度和相遇概率的计算方法;并且对车辆活动区域进行了网格划分,计算出节点在网格的分布概率。其次,基于节点关于社区的社会属性,提出了一种基于社会属性的路由算法SARP;利用车辆社会属性提出了改进的GPSR-R算法——GPSR-R-I;利用节点网格分布概率属性提出了改进的CBR算法——CBR-I。最后,完成了社会属性挖掘与路由仿真系统设计与实现,该系统由数据预处理、社会属性挖掘模块组成,实现了将车辆轨迹数据到节点社会属性的转化功能;通过将GPS数据进行格式转换得到真实的节点移动模型,并对模拟器的路由模块进行修改实现了新的路由算法;最终在模拟器上对相关路由进行了仿真实现并对实验结果进行了分析。实验表明,车辆的社会属性能够指导路由算法的设计,还能够帮助GPSR-R协议和CBR协议在稀疏网络中减少传输延时、提高投递成功率。