车辆自组织网络(Vehicular Ad-hoc Network,VANET)中车辆节点的快速移动会导致网络拓扑频繁变化,将动态节点进行分簇管理是一种控制网络拓扑的有效方法。本文主要研究城市环境下的VANET分簇算法,针对现有算法没有兼顾提高网络整体稳定和降低数据传输时延的均衡性问题,提出基于通信需求的负载均衡分簇算法。首先,结合通信需求类别和神经网络原理,提出基于通信需求的神经网络负载均衡分簇算法(Cluster-on-Demand VANET Clustering Algorithm,CDVC)。为了 有效地降低数据之间的接入时延,将不同消息类型划分成多个次簇,减少因消息类型不同造成的时间成本。此外为了提高网络的稳定性,在次簇中引入自组织神经网络(Self-Organizing Map,SOM),根据节点之间的位置和速度等属性相似性来控制簇个数和簇成员个数,使各次簇达到负载均衡。其次,本文针对车载网特性,引入模糊逻辑算法,提出基于通信需求的模糊神经网络负载均衡分簇算法(Fuzzy Cluster-on-Demand VANET Clustering Algorithm,FCDVC)。通过设置运动加速度和转向偏移角的自学习过程,结合神经网络、模糊逻辑和驾驶员的行为进行预测,建立分簇过程的自学习机制,使分簇的整个过程达到动态自适应。最后,针对分簇性能指标中的簇指标(簇头生存时间、簇个数和簇成员分布)和通信指标(簇吞吐量和接入时延),通过计算机仿真验证基于通信需求的负载均衡分簇算法的有效性。仿真结果表明其性能优于基于运动属性的分簇算法(Mobility Based on Clustering,MOBIC)和基于节点最小ID的分簇算法(Lowest ID,LID)。