异构网络融合成为下一代新型网络的发展趋势,融合多种异构网络来提供便捷高效的网络服务,是当前主流的研究方向。现有网络架构在高速移动应用场景下,因其自身的局限性和无线链路的复杂性,难以灵活地协同异构网络,从而造成服务质量差、用户体验不佳和资源利用率低等弊端。本文基于智慧协同网络的研究,针对高速移动环境下,通信环境的快速时变性和异构网络的共存的现状,以资源适配的方式提高通信业务满意度。论文主要工作如下:(1)提出了基于智慧协同网络的车地通信系统业务与资源动态适配设计。本文完善了智慧协同网络架构模型,该模型构建四层网络架构,文中详细分析了除应用层外各层的具体功能以及层间交互过程。在此模型架构下,设计并实现了具有三种路径通信模式的车地通信系统,包括多路径适配模式,多路径聚合模式,以及单路径隧道模式。在多路径适配模式下提出了网络资源与业务服务适配模型。(2)针对两种业务标识需求场景,提出了基于强化学习的动态资源分配算法,实现了两种场景下的业务服务与网络资源适配。针对单标识服务需求场景,本文提出并实现了单标识业务资源模糊适配方案。将业务服务层中的业务分为应急通信业务和普通通信业务,以应急通信业务为目标标识业务,设计并实现了模糊逻辑Q学习算法,基于环境状态计算长期累积收益后得到全局最优解,并加入双层模糊逻辑控制,来生成路径动态适配策略。针对多标识服务需求场景,本文提出并实现了多标识业务资源适配方案。其业务服务层将服务需求划分为更加细致的多种类别,适用于高速移动环境下更为复杂的服务需求。此方案中的平均场多行为体价值策略算法,对每个行为体的强化学习都考虑其他行为体的动作策略,从而进行中心化的训练和分布式的执行,利用平均场论将多行为体间相互作用简化为该行为体与其它所有行为体的均值之间的作用,进行最后的网络资源动态匹配策略下发。(3)本文在实际环境下对基于智慧协同网络的车地通信系统通信模式进行了测试,为多路径适配模式网络仿真参数设置提供依据。在单业务动态适配方案测试中,通过对比其他高速移动环境下的资源适配方案,表明了本文的模糊逻辑Q学习算法能实现更高的业务服务满意度,满足了高速移动场景下的应急通信需求。而多业务动态适配方案在大规模的业务服务需求场景中,与其他方案对比结果表明,新提出的平均场多行为体价值策略算法表现出优越的性能。