车载自组网(Vehicular Ad Hoc Networks,VANETs)是移动自组织网络(Mobile Ad Hoc Network,MANET)在道路交通领域上的应用,同时也在未来智能交通系统(Intelligent Traffic System,ITS)中有举足轻重的地位。近几年,随着汽车产业的发展和5G时代的到来,VANETs开始逐渐进入到人们的视野。虽然VANET的出现,使人们在协助驾驶、安全预警以及车辆控制方面能够对车辆以及周边环境进行更好的掌控,避免了许多交通事故的发生,但随之而来的安全性问题也被逐渐突显出来。例如:攻击者可以在VANETs的开放网络环境中随意伪造虚假的数据信息,造成交通事故;对车辆进行远程控制,威胁人们的生命安全;篡改数据信息,对其他车辆发布错误信息,造成社会交通混乱等。VANETs本身没有固定的基础架构,只依靠车辆本身来提供网络功能。现实环境中,随着车辆的移动,其周围窃听节点数量、安全强度和时延等环境因素也会随之不断变化,由此导致VANETs的安全状态也在不断变化。又因为VANETs的信息传播是处在一个开放的访问环境中,当一个车辆节点向外发送信息时,所有在通信范围内的具有通信能力的车辆节点,都会接收到该信息,这无疑就会给一些恶意的攻击节点提供可乘之机。本文的工作分为两部分,一是,对VANETs的当前状态进行确定,实现VANETs安全定量化。二是,提出HDTMC状态转移模型,介绍将VANETs分为7种状态,并描述个状态间由于事件触发而导致的状态间的转移。三是,通过马尔科夫链计算得出当前状态下的VANETs各状态转移概率,为VANET安全机制提供帮助,使VANETs尽快回到安全状态。首先,本文将HCTMC状态模型分为7种状态,使其与VANETs的7种状态相对应;其次,提出一种安全状态确定函数,根据当前环境下的安全强度和时延,来确定VANETs状态,使用加密强度作为安全强度的衡量标准。最后,使用HDTMC状态转移模型,将齐次连续时间马尔科夫链(Homogeneous Continuous-Time Markov Chain,HCTMC)拆分成一个齐次离散时间马尔科夫链(Homogeneous Discrete-Time Markov Chain,HDTMC)和齐次泊松过程(Homogeneous Poisson Process,HPP)进行状态间转移,得出当前状态向各状态转移的概率。为了实现本文工作,通过安全强度和时延对函数T的三维图像,确定当前VANETs状态,并利用发射功率、数据包传输概率、数据帧长度,对HDTMC状态转移概率进行分析。实验结果表明,本文提出的安全状态确定函数以及HDTMC状态转移模型可以根据环境因素,动态的确定当前所处状态,实时的量化安全水平;通过计算得出的状态转移概率可以为VANETs的安全防御机制提供有效帮助。