车联网是一种新型的移动自组织网,实现车辆与其他通信单元间的信息传输。作为智能交通的重要发展方向,它在事故预警、交通管控以及信息服务等方面具有广阔的应用前景。车联网中多采用广播的方式进行信息分发,若源广播车辆与目标车辆无法直接通信,需选择中继车辆以多跳的方式进行转发,从而实现数据信息的大范围传输。因此中继车辆的选择在多跳广播算法中至关重要。本文介绍了车联网中的关键技术和应用分类,并对现有的广播算法进行归类和叙述。针对车联网中网络拓扑复杂、消息覆盖范围有限等问题,现有的多跳广播算法在不同道路场景中多采用基于竞争的中继选择算法以及通过交互局部信息选择中继车辆,分析得出这些算法容易导致消息无法及时可靠的传输到指定位置。为了提高车辆通信的整体性能,本文引入基于分簇的网络结构,通过构建虚拟的骨干网络,选取数量适当、位置优越的簇头作为中继节点协助消息转发。在高速公路场景中,提出一种基于全局分簇的车联网多跳广播算法。该算法利用基站构建广播网络的全局节点拓扑图,车辆发起广播请求后,基站调用模糊聚类算法对广播网络中的车辆进行初始分簇,为降低算法复杂度,利用曼哈顿距离代替欧式距离作为新的距离度量方式。接着利用粒子群算法优化簇心,根据车辆的节点度、簇内车辆平均距离以及信道容量选择中继车辆协助消息转发。仿真与简单单跳广播算法、随机选择算法以及K-Means分簇算法进行对比,表明提出的算法可有效减少不必要的广播消息,保证消息传输的实时性以及提升了数据包接收率。针对无线通信环境复杂的城市场景,提出一种基于综合权值分簇的多跳广播算法,该算法根据车辆的移动性信息,包括相对方向、相对距离、相对速度、相对节点度综合选择转发节点,此外考虑到数据包碰撞造成转发失败问题,设计超时重传机制保障消息的有效传输。最后利用SUMO（Simulation of Urban Mobility）软件构建真实道路场景和车辆移动模型,仿真结果与洪泛广播算法、基于城市道路布局的多跳广播算法进行对比,在消息覆盖率、广播时延以及转发节点所占比例三方面验证了算法性能。