随着智能交通的不断发展,车载自组织网络在提高道路安全、实时数据收集、自动化控制、智能收费、增强导航以及一些特定的位置服务、音视频传输、娱乐服务、车内办公等各方各面都发挥着至关重要的作用。然而由于车辆的快速移动性,车载自组织网络的拓扑和网络情况会时刻发生改变,导致其路由存在两个方面的问题:一是在单播路由情况下,车载自组织网络的动态变化性易导致网络环境复杂,消息传输时延增加,同时车辆的快速移动性会造成通信链路生存时间短,消息传输成功率低;二是在广播路由情况下,在城市十字路口等车流量密集的区域易造成广播风暴,产生大量冗余,降低广播路由性能。因此,对车载自组织网络的路由技术进行研究是必要的。针对上述问题,研究者们利用了基于位置、拓扑、概率选择、机器学习、仿生学等方式来改善车载自组织网络的路由性能。但是,这些解决方案仍存在一些不足,包括单播路由无法完全适应车载自组织网络的动态变化性,广播路由无法保证消息已覆盖的区域不会重复收到消息等。因此,针对上述问题,本文提出了基于仿生学模型的解决方案,主要内容如下:（1）结合车载自组织网络和鱼群优化各自的特点,本文提出了基于鱼群优化模型的车载自组织网络单播路由优化算法。综合考虑车载自组织网络当中影响传输性能的多个指标,利用鱼群优化实时搜索出消息传输的最优中继。当网络状况发生改变的时候,得益于鱼群优化算法的快速收敛性,节点能够及时感知周围新的最优中继,并将消息交由其进行转发,使消息的传输过程能够完美适应车载自组织网络环境动态变更的特点,保障车载自组织网络的传输性能。（2）受细胞运动行为的启发,本文提出了基于细胞运动模型的车载自组织网络广播路由优化算法。通过引入细胞运动模型,使广播消息模仿细胞运动,向未覆盖的区域扩散出去。细胞运动模型不仅让本文提出的算法能够实现许多已有算法中只选择部分合理节点进行二次广播来减少冗余的思想,还能做到在每次广播时保证消息已覆盖区域中的节点不会重复收到消息,以最小化未覆盖区域中节点收到的重复消息数,在最大程度上降低冗余,提升车载自组织网络的广播性能。实验结果表明,本文提出的算法能有效减少单播路由消息传输时延、提高传输成功率并有效控制广播路由中的广播冗余,避免广播风暴。