物联网的日新月异促使了以服务为驱动的网络智能化快速发展,其中车载通信作为智能交通系统的重要应用而备受关注。车载通信网络的显著特征是由于节点快速移动导致的网络拓扑时变特性,在这种高动态网络环境下如何获得较高的通信链路连通性及高效的数据传输效率是亟需解决的关键问题。本文围绕车载通信网络的特征和业务需求,着重研究面向车辆自组织网络的基于连通预测的群智能路由优化技术。本文主要研究工作如下:(1)介绍了车载通信网络的研究现状,综述了该网络的体系架构和网络特点,并分析了其研究难点和研究方向。概述了各类主流群智能算法的特点,并论述了采用蚁群算法应用于车辆自组织网络中进行路由优化的可行性与实用性。(2)研究了一种针对车辆自组织网络的基于信道传输环境的连通性预测模型。在考虑到车辆间信号干扰的前提下,通过交通流量模型建模和基于Nakagami衰落的信道分析,研究车辆节点数目及信号干扰与连通概率间的关系,实现复杂动态网络环境下的连通概率预测。仿真结果表明在一定范围内增加车辆节点数目可以提高车间连通性,但是当数目超过阈值其连通性能反而会下降,研究结果为车载网络保持可靠的链路连通性和选择高效的数据传输路径提供了前提。(3)研究了一种基于连通预测的能效最优蚁群路由算法。针对车辆自组织网络中路由开销大与资源利用不合理的问题,提出能效最优的蚁群路由优化算法,通过对网络中节点的能源消耗和路由跳数进行多尺度数学描述并将其映射于启发式蚁群算法,实现自适应的最优路由选择和网络资源均衡。随后通过在连通概率预测模型中抽离出连通性因子,将其与能效最优的蚁群路由优化算法融合重构,实现车辆间连通性预测和路由优化的统筹规划。在此基础上,提出一种基于蚁群特性的信息素更新方式,以此加快算法的收敛速度和改善其全局收敛性。最后通过利用VanetMobiSim和OPNET的联合仿真,与两种传统路由算法相比,仿真结果表明所提出算法在降低网络资源消耗、提高数据传输成功率等方面有所改善。