作为智能交通系统的重要组成部分,车辆自组织网络（VANET）是一种由行驶中的机动车辆组成的具有自治、多跳路由、动态网络拓扑、高可扩展性等特点的特殊移动自组织网络。在行驶过程中车辆侧产生的计算任务存在大量的上行数据需要从车载单元（OBU）传输至路边单元（RSU）进行计算,然而车辆的高速移动性使其可能在极短的时间内经过一个路边单元,并在当前计算任务的上行数据传输完成之前就驶离了这一路边单元的通信覆盖范围。因此,同一个计算任务的上行数据可能不会被传输至同一个路边单元,而是被不规则地分割并传输至车辆行驶轨迹中的多个路边单元,导致路边单元之间会进行频繁的数据迁移。相邻路边单元之间的通信是通过无线回程网建立的,由于城市环境的遮蔽影响和无线链路的干扰,无线回程网具有不可预测的延迟和较低的数据传输速率。因此,路边单元之间进行的数据迁移会大大增加整个上行数据传输过程的时延。因此,在动态的网络拓扑环境下VANET的上行数据传输是一个具有挑战性的问题。而聚簇正是应对动态拓扑环境的有效方法之一。首先,针对VANET中由车辆机动性造成的动态拓扑问题,本文提出了一种基于邻域筛选的稳定车辆聚簇策略,将车辆划分为若干个内部通信连接相对稳定的车辆簇。接着在车辆划分成簇的前提下,本文提出了一种基于最长连接寿命的簇内车辆协作上行数据传输路由规划（IAUTPP）算法,用以提高动态拓扑环境下上行数据传输的可靠性与效率。其中,车辆之间的V2V通信连接寿命被视为形成稳定车辆簇的关键衡量指标。车辆簇划分完成后,本文提出的IAUTPP算法为簇中的车辆规划出了一条稳定的传输路径,并以簇内车辆协作的方式完成上行数据的传输。仿真结果表明,相对于车辆多跳稳定聚类算法（VMaSC）和贪婪聚类策略,本文提出的聚类策略在聚类稳定性方面表现得更好。结果还证明,与上行数据的贪婪传输算法和独立自上传算法相比,IAUTPP算法均能有更好的表现,在密集场景下IAUTPP算法可以达到更大的数据上传吞吐量与更小的丢包率。其次,针对VANET中不同计算任务的上行数据传输时延要求,本文提出了一种基于轨迹预测的簇间车辆协作上行数据传输路由规划（IEUTPP）算法,以适用于对传输时延要求相对不敏感的计算任务的上行数据的传输。其中,IEUTPP算法使用LSTM神经网络作为车辆轨迹的预测模型。在仿真实验中,本文将所提出的IAUTPP算法与IEUTPP算法相结合使用,通过对计算任务的综合优先级进行计算并以此作为该次上行数据传输策略选择的判定指标。实验结果表明,本文提出的IAUTPP&.IEUTPP算法能够在有效提升具有不同传输时延要求的上行数据传输可靠性、减小上行数据传输过程中的丢包率的同时,还能在一定程度上提高整体车辆自组织网络的有效资源利用率。