最近,因为视频技术的持续发展,数字媒体中的流媒体业务不断增长,视频流成为了网络流媒体的主要内容。不同用户的差别较大,例如用户所使用的设备不一样、用户对不同视频的喜爱不同,这些差异性都给视频数据的传输业务造成很大的挑战。因此为了提高用户的视频体验质量(Quality of Experience,Qo E),本文研究了车载视频的传输优化问题。本文提出两种基于集群的SVC车载视频传输优化方法。首先,本文研究了一种基于车辆集群的SVC(Scalable Video Coding,SVC)车载视频传输优化方法。该方法解决了车辆集群场景下的车载视频传输路径优化问题,目标为最大化用户的Qo E。具体的,通过在该场景中车辆间形成集群并选出集群头(cluster head,CH),车辆与车辆之间可以进行通信,而BS(base station)可以与集群内的所有车辆进行通信。该问题建模后为一个整数线性问题,因此,本文利用分支限界算法对其进行求解。其次,本文研究了一种基于缓存集群的SVC车载视频传输优化方法。该方法解决了SBS(small base station)缓存集群场景下的缓存策略和传输路径联合优化问题,目标为最大化车辆用户的平均Qo E。本文考虑到SBS的缓存容量有限,因此SBS缓存选择哪部分视频是随着用户请求的改变而发生改变的。该问题被建模为一个0-1整数线性优化问题,并利用联合KKT条件(Karush-Kuhn-Tucker Conditions)和基于分支界定的自适应算法得出最优解。最后,针对本文所提出的两种模型进行了大量的仿真实验。针对基于车辆集群的SVC车载视频模型,本文首先验证了所提出算法的收敛性,实验表明所提算法性能较好且收敛速度较快。其次,本文验证了所提出方案的有效性,实验表明其能提高用户的Qo E。