随着车辆数量的大规模增加,车载应用与服务的需求也在增加。车辆终端节点通过车联网来获取网络服务,然而车辆通常会在不同的网络覆盖范围内行驶,这就要求车辆在行驶中能够有效进行网络间的切换,因此在车联网中研究网络切换是必要的。垂直切换技术是网络切换中的重要内容,是车辆在车联网中获取无缝接入技术的关键。本文对车联网中的垂直切换算法进行了研究。本文在LTE网络和WLAN网络组成的异构车联网环境中,针对车辆节点数目分布不均匀导致切换失败率高及网络吞吐量下降问题,提出了高速移动场景和车辆聚集场景下垂直切换算法的改进。针对车联网中车辆高速移动场景下切换时延较高的问题,改进了一种基于模糊层次分析(Fuzzy Analytic Hierarchy Process,FAHP)和TOPSIS的垂直切换算法(Promoted FAHP TOPSIS,PR-FA-T)。首先对候选网络进行预筛选,然后利用模糊层次分析法确定各属性权重,通过TOPSIS算法做出判决,并选择最佳网络进行切换。仿真结果表明,该算法可以降低切换失败率,减少切换时延,提高系统的网络吞吐量,本算法适用于车辆高速移动的车联网场景。但在车辆聚集场景下,该算法切换失败率和网络吞吐量仍然需要进一步提高。针对上述问题,对PR-FA-T算法中的TOPSIS算法进行改进。TOPSIS算法存在无法考虑属性指标之间相关性影响和无法评价到正、负理想解相等的点所在线上方案的问题,针对这些问题,本文提出一种基于改进马氏距离的灰色TOPSIS的改进算法(Mahalanobis Grey TOPSIS,MG-TOPSIS)。将MG-TOPSIS应用于垂直切换算法中,提出了一种基于模糊层次分析和MG-TOPSIS的垂直切换算法(Promoted FAHP Improved TOPSIS,PR-FA-IT)。首先对候选网络进行预筛选,然后通过模糊层次分析法确定属性权重,最后通过MG-TOPSIS进行最佳网络判决。仿真结果表明,与PR-FA-T相比,改进算法PR-FA-IT可以降低切换失败率、提高网络吞吐量,但增加了切换时延,本方法适用于车辆聚集场景而不适用于车辆高速移动场景。