首先，建立了动态信息分发速率模型，基于多智能体模型预测控制方法，提出了一个;;能够刻画资源分配充分性和公平性的多智能体信息分发模型，在该模型中，每一个车辆被一个智能体;;控制，智能体利用模型预测控制方法并与邻居智能体协同，在最优的传输速率控制动作上达成一致；;然后，设计了一个分布式协同智能决策算法，该算法基于惩罚机制为每个车辆协同计算最优传输速率;;动作，引导所有车辆达到最优的追踪精度，保证了车辆安全消息实时可靠广播。针对动态车辆密度引;;起车联网通信协议信道拥塞这一问题，提出了一种自适应于车辆密度的功率控制策略。在该策略中，;设计了基于车辆间强交互的车辆密度预测模型，建立了考虑动态车辆密度的状态信息分发模型，给出;;了一个分布式功率迭代算法；针对车辆密度的时变性，提出了基于车辆密度估计和滚动优化的功率自;;适应控制策略，该策略以一种实时、动态的方式，引导车联网在不同车辆密度情形下达到最优信息分;;发性能。针对车联网无线频谱资源充分公平分配问题，提出了描述车辆追踪精度与数据包成功接收速率之;间交互关系的效用函数，利用非合作动态博弈方法，建立了一个带有惩罚函数的信道访问博弈模型，;给出了博弈模型纳什均衡点引导算法，设计了一个分布式竞争窗口调整算法，该算法基于惩罚机制，;引导每个节点到达帕累托纳什均衡点，实现节点间相同的信道访问机会，提高了网络信息分发吞吐量，;降低了数据传输延迟。 经济效益和应用前景分析：本成果将为智能信息终端及信息服务产品的产业化应用提供技术支;撑，极大的提升车联网智能车载终端、路测终端、汽车电子制造业、信息服务业等相关产业链的高速;发展，创造更多新的价值。