近些年来,车联网领域迅速崛起,已经成为了智能交通系统中不可或缺的部分。车联网的发展已经能够为人们提供多种多样的应用,包括安全、效率、娱乐等等。在国际上,学术界和工业界对车联网的需求逐渐巨大起来,有越来越多的研究人员开始研究车联网这个领域。车联网相关的热点问题也逐渐受到人们的关注,其中的信息传输机制是支撑各种应用的基础。在车路通信中,由于路侧单元通信范围有限和车辆的快速移动特性,车辆只能在路侧单元通信范围内下载有限的数据种类,导致整个骨干网的收益并不理想。针对以上问题,Walid等人提出一种合作式的车-路通信方式,使用联盟博弈的方案对骨干网进行划分,形成联盟的概念。一方面,通过在同一联盟内实施合作式车-路通信,发掘车联网中潜在的车-车通信数据交换能力,增加网络中数据传播的种类,提高路侧单元的数据传播能力；另一方面,通过在不同联盟间实施非合作式车-路通信,降低整个车联网骨干网中路侧单元的合作成本。本文通过分析骨干网中车-车通信和车-路通信的特点,建立车联网合作式和非合作式车-路通信模型。本文在遗传算法的基础上进行改进,提出基于聚类遗传算法的路侧单元协作联盟划分策略(k-means clustering methods based on genetic algorithm,GKA)它应用k-means operation(KMO)操作代替复杂的交叉操作,并在变异操作中引入欧氏距离计算变异概率。遗传算法可以提高获取全局最优解的效率,聚类算法可以提高收敛速度,从整体上讲,GKA克服了单一算法局部搜索能力差、存在未成熟收敛和随机游走等现象,使路网中的数据种类最大化,获得的平均收益最高。