车联网是在车内网、车际网及车载移动互联网的基础上,进行无线通信和信息交互的大系统,以实现人、车、路、互联网的协同为目标来满足车辆用户出行的个性化信息需求。在复杂的城市环境中,由于蜂窝网、WiFi、车载自组织网络等多种网络并存,各网络间性能差距大,如何通过合理的网络选择来解决异构车载网络融合问题从而保证车辆用户的服务质量(QoS)需求是车联网一个研究热点和难点。面对上述问题,本文在剖析车联网主要特性的基础上,分别对1)城市高架路环境下和2)城市交通环境下的网络选择方案开展了较为深入的研究,取得了如下主要成果:1)在高架路环境下,首先将道路分割为路段,通过将车辆用户穿越各路段模拟为马尔科夫链建立了车辆移动模型。基于信道模型和传输碰撞机制分析了各接入子网的传输碰撞概率和数据传输速率。然后以最大化全网传输速率和最小化代价为性能指标,构造了一个联合优化问题。通过解决此问题给出了在满足性能指标的同时,保证车辆用户个性化需求和各接入子网负载均衡的网络选择方案。最后通过仿真结果分析了网络选择后获得的性能。2)在城市交通环境下,首先提出了异构车载网络融合架构,主要由用于车辆用户接入的网络基站、辅助车辆用户选择网络的中心控制器和处理信息并提供应用的云服务构成。通过对上海市真实交通数据的分析,建立了以城市热点为中心的车辆分布模型。基于网络架构和交通分布模型,提出了解决网络融合问题的网络选择机制——INAS(Intelligent Network Access System)。该机制包含两部分,(a)系统网络选择推荐机制和(b)车辆用户自主决策机制。其中,中心控制器基于实时城市交通信息、网络信息、车辆用户及所需服务信息,采用层次分析法在宏观上给出了网络选择推荐。在车辆用户端设计了自主决策算法,该算法通过模糊神经网络训练由推荐信息、本地信息、网络接入及所获服务质量构成的历史信息,根据映射关系形成了模糊神经网络模型,实现了微观上的自主决策。INAS机制不但具有低计算复杂度、高交通信息误差容忍度的特点,而且采用网络推荐和自主决策相结合的方式进一步提高决策精确度。最后通过仿真对INAS机制进行了性能分析。综上所述,本文针对车联网在不同场景下的特点,设计了相应的网络选择方案,以实现异构车载网络的融合,从而满足车辆用户的QoS需求。论文的研究有助于推进车联网的技术发展及相关应用。