La funcionalidad de las Redes Vehiculares Ad Hoc (VANETs) se mejora con el paradigma de la Red Vehicular Definida por Software (SDVN). El enrutamiento es un desafío en las redes vehiculares debido a la topología de red dinámica resultante de la alta movilidad de los nodos. Los enfoques existentes para el enrutamiento en SDVN no explotan tanto la duración de los enlaces como los retrasos en los enlaces para encontrar rutas, ni aprovechan la heterogeneidad que existe en los enlaces de la red vehicular. Además, la mayoría de los enfoques existentes calculan parámetros en el controlador utilizando completamente enfoques heurísticos, que son computacionalmente ineficientes y pueden aumentar la latencia de SDVN a medida que crece el tamaño de la red. En este artículo, proponemos un nuevo algoritmo híbrido para el enrutamiento en SDVN con dos modos: el modo de menor retraso estable más alto y el modo de camino más corto estable más alto, en el que se selecciona el modo estimando la contención de la red. Identificamos claramente dos canales de comunicación en la red vehicular como cableados e inalámbricos, donde la entropía del enlace de la red se formula en consecuencia y se utiliza en combinación con las transmisiones pendientes para estimar la probabilidad de colisión y la contención promedio de la red. Utilizamos la perspectiva del aprendizaje automático para predecir las duraciones de los enlaces inalámbricos y los retrasos de un salto en el canal, que producen errores cuadráticos medios (RMSE) muy bajos, lo que refleja su alta precisión, y la predicción de la duración del enlace inalámbrico utilizando aprendizaje profundo produce un tiempo computacional promedio mucho más bajo en comparación con un enfoque basado en optimización. El algoritmo novedoso propuesto selecciona solo enlaces estables comparándolos con un umbral de duración del enlace cuyo valor óptimo se decide experimentalmente. Proponemos que este marco de enrutamiento sea compatible con el protocolo OpenFlow, donde modificamos la arquitectura de la tabla de flujo para incorporar un tiempo de validez de la ruta y enviar un mensaje packet_in al controlador cuando expira la duración de la ruta, solicitando nuevas reglas de flujo. Además, proponemos un algoritmo de actualización de la tabla de flujo para mapear rutas calculadas a entradas de la tabla de flujo, donde proponemos incorporar un enfoque adaptativo para la búsqueda de rutas y la actualización de reglas de flujo al recibir un mensaje packet_in con el fin de minimizar la carga computacional en el controlador y minimizar la sobrecarga de comunicación asociada con la comunicación del plano de control. Esta investigación contribuye con un nuevo marco de enrutamiento híbrido para el paradigma SDVN existente, examinando el aprendizaje automático para predecir la duración y el retraso de los enlaces de heterogeneidad, que se puede integrar fácilmente con el protocolo OpenFlow para mejores aplicaciones de enrutamiento, mejorando el rendimiento de la SDVN. Realizamos simulaciones realistas de redes vehiculares utilizando el simulador de red 3 al obtener trazas de movilidad vehicular utilizando la herramienta de Simulación de Movilidad Urbana (SUMO), donde recopilamos conjuntos de datos para entrenar los modelos de aprendizaje automático utilizando el entorno simulado para probar los modelos en términos de RMSE y complejidad computacional. El marco de enrutamiento propuesto se evaluó comparativamente contra técnicas de enrutamiento existentes al evaluar el costo de comunicación, la latencia, la utilización del canal y la tasa de entrega de paquetes. Según los resultados, el marco de enrutamiento propuesto resulta en el costo de comunicación más bajo, la tasa de entrega de paquetes más alta, la menor latencia y una utilización moderada del canal, en promedio, en comparación con el enrutamiento en VANET utilizando el Vector de Distancia Bajo Demanda Ad Hoc (AODV) y el enrutamiento en SDVN utilizando Dijkstra; por lo tanto, el marco de enrutamiento propuesto mejora el enrutamiento en SDVN. Además, los resultados muestran que el marco de enrutamiento propuesto se mejora con el aumento de la frecuencia de enrutamiento y el tamaño de la red, así como a bajas velocidades vehiculares.