车载自组织网络(Vehicular Ad-hoc Networks,VANETs)作为智能交通系统的重要组成部分,为解决道路通行效率和车辆安全行驶等关键问题提供了灵活且快速的数据传输支持。然而,车辆的高机动性和行驶轨迹的随机性,使得VANETs的拓扑结构呈现出瞬变性和易变性。同时,道路行驶条件的差异性,也带来了网络节点分布的不均匀性,这些都为VANETs中数据的可靠传输带来了严峻的挑战。就VANETs这样具有一定规模的自组织网络而言,分簇方法能够有效提升网络的稳定性,从而有助于数据的可靠传输。鉴于此,论文提出了一种新的全局近邻传播分簇算法。并在获取的分簇结构基础上,又提出了一种基于强化学习的可靠分簇路由算法。论文的主要研究工作如下:1.首先,通过引入通信相关参数重构了近邻传播算法的相似性函数,使得具有低相对机动性和高通信性能的车辆更容易成为簇头;其次,在形式化定义三个尺度函数的基础上,实现定量评估车辆加入簇对簇稳定性的影响;接着,从全局竞争的角度,设计了一种多簇头并存情况下簇头的选择机制;最后,针对三种状态的车辆,结合簇头选择、簇形成和簇维护过程,给出了车辆状态的转换过程,由此提出了一种新的全局近邻传播分簇算法。针对不同交通场景的仿真实验表明,该算法在簇稳定性指标上总体优于现有同类算法。2.在借助所提出的分簇算法获取的稳定簇结构基础上,首先通过选取簇头和网关车辆作为数据跨簇传输的中继车辆,来降低路由建立过程中路由请求消息的转发量,以避免出现广播风暴问题;其次,通过引入链路持续时间、链路通信速率、方向因子和拥塞因子等评价因素,重构了强化学习算法的奖励函数,以提高路由的生存时间和通信质量;最后,从Q表结构更新和Q表数值更新角度,分别给出了路由建立和路由维护的实现过程。同时,为了提高车辆在高机动性场景下数据传输的可靠性,确保所建立路由的有效性,依据“边传输边发现”思想,给出了动态路由建立过程,由此提出了一种基于强化学习的可靠分簇路由算法。针对不同交通场景的仿真实验表明,该算法相比同类算法,有较好的通信性能。综上所述,论文围绕VANETs可靠通信开展的研究工作及取得的研究成果,不仅满足了VANETs中基于车-车(Vehicle-to-Vehicle,V2V)通信的实际数据传输需求,还进一步丰富了VANETs分簇及路由的方法和理论,对支撑智能交通系统有效解决各类交通问题具有重要的理论和现实意义。