智慧城市可以有效缓解目前日益严重的城市问题,受到广泛关注。车载传感网由于车辆的移动性能实现对感知区域的高效覆盖,是智慧城市中数据采集的重要手段之一。然而,随着智慧城市的发展,需要采集的数据量爆发性增长。车载传感网中,车辆的快速移动导致拓扑结构剧烈变化,大数据量的数据传输变得十分困难。另一方面,车载传感网中车辆分布不均匀的特性也导致了数据采集中数据冗余和数据空洞十分普遍。城市数据大多具有时空相关性,可以使用压缩感知进行数据压缩与重构。因此本文研究了基于压缩感知的车载传感网数据采集机制。具体研究内容如下:第一,研究基于压缩感知的车载传感网数据采集模型。针对车载传感网数据采集中海量数据传输困难这一问题,本文对现有车载传感网数据采集模型和压缩感知方法进行分析,提出基于压缩感知的车载传感网数据采集模型,并讨论了压缩感知在该模型中的应用过程。第二,研究车载传感网的动态压缩感知方法。针对数据特征和车辆分布动态变化造成的重构精度下降,提出动态压缩采集方法。该方法在车载传感网数据采集过程中考虑了数据稀疏度和车辆节点分布动态变化的特点,在现有压缩感知方法的基础上增加了观测率反馈控制,根据当前情况实时调整观测率。第三,研究基于优先级的车载传感网数据传输方法。针对不同压缩数据对重构精度贡献不同,本文提出基于优先级的车载传感网数据传输方法。该方法对所有需要传输的数据包进行优先级划分。在下一跳的选择上同时考虑节点地理位置和负载程度,根据数据优先级选择转发策略。第四,基于压缩感知的车载传感网数据采集原型系统设计与实现。通过该平台验证了本文提出的车载传感网压缩感知方法和基于优先级的车载传感网数据传输方法的有效性,该平台可以实现车载传感网高精度、低传输消耗的城市数据采集。