近些年,车载自组网（Vehicular Ad Hoc Network,VANET）作为城市智能交通系统（Intelligent transportation system,ITS）的核心部分,通过车辆上的通信设备如车载单元（On Board Unit,OBU）构造出车辆与路边单元互联（vehicle and roadside unit interconnection,V2R）、车辆与车辆（vehicle and vehicle,V2V）、车辆与基础设施（vehicle and infrastructure,V2I）的无线通信网络。它能够为乘客和司机提供交通事故预警、娱乐信息、协同驾驶、实况道路信息相关的一系列应用,日益在城市交通管理与建设中凸显其重要性。而VANET作为一种特殊类型的移动自组网,具有通信链路通信时间短、通信链路易断裂、网络拓扑结构频繁改变的特点。因此设计性能优异、稳定的车载网路由协议,对于促进VANET的发展乃至改善交通问题都具有长远意义。与此同时,无人机（UAV）具有机动灵活、效率高的特点,被认为是在路径选择、节点通信方面最适合协助地面车辆的空中通信节点。在此背景下,本文将无人机作为地面网络的空中中继节点（Vehicle relay node,URN）与VANET组成协作网,然后从路由发现、路由选择、路由传输与维护等方面具体阐述该VANET智能路径计算路由协议,提出通过VANET中节点的通信范围划定特定区域,同时规定具体链路到期时间和密度,再结合链路到期时间、各区域密度等构建一个综合的路由路径计算公式,能够始终保持节点间的通信连接和节点通信路径的最优化,解决了VANET网络连接易断开,节点通信效率低的问题。通过仿真,与MURU、AGP、CRUV、UVAR路由协议对比表明本章提出的车载网路由协议在数据包传输率、端到端延迟、平均路由跳数、控制开销等方面都具有更好的性能。进一步地,考虑到车载网易出现流量拥塞,节点通信信道负载不均的问题,通过结合Q学习算法理论基础,提出一种基于Q学习的无人机辅助车载路由协议。首先无人机中继节点通过广播和单播监听到地面网络消息收集地面网络拥塞标识符,从而确定地面网络的拥塞程度。之后将其替换成Q学习状态,通过无人机-车载协作网的无线网络环境和系统参数范围两项指标确定网络环境状态,从而建立一种快速学习反馈奖励控制函数,并引入无人机路由策略区域机制,进而为无人机路由策略区域的改变提供依据,形成无人机路由决策,在确保节点通信的同时能够动态地调整整个车载网络的流量,达到一种负载均衡的状态。经仿真,该协议在引入Q学习机制后,所提出的奖励控制函数收敛速度也更快。此外,协议在网络负载方面,三种不同类型数据包的数据传输率综合表现要优于CRUV和未引入学习机制的路由协议。