5G带来了新的垂直应用和业务场景,多样化的业务需求为网络提出了更大的挑战,要满足差异化的需求,定制化的切片通过在同一物理基础网络上分隔出多个互相隔离的虚拟网络来为不同的业务提供定制化服务。接入网作为智能设备与核心网之间连接的桥梁,可实现业务的接入和资源保障,同时需要灵活的切分来保障切片的定制化和隔离性。然而,在资源有限的情况下,接入网侧大规模的业务接入和动态变化的需求以及智能设备的移动性为定制化切片的资源调度和可靠性保障带来了难题。因此,针对定制化接入网切片中的大规模接入和高可靠保障问题,如何有效地调度接入网资源以提高资源利用率并保障业务的服务质量,是本文的主要研究内容。针对大规模的海量设备接入和需求动态变化的问题,考虑到面向大规模接入的定制化接入网切片在物联网中的广泛应用,本文提出了物联网动态接入网切片模型,对物联网的业务类型进行分类并根据切片需求的变化实时调整接入网的资源分配,分析了采用连续资源分配和非连续资源分配两种调整方式的利弊。为在提高资源利用率的同时减少服务降级和计算时延,本文提出了基于遗传算法的动态资源调整策略,根据资源总需求动态选择调整方式,逼近最优的分配方式。通过与基准算法的比较,展现出本文所提出的模型算法在切片接收率、资源利用率、总收益和降低综合负载等方面的优势。对于高可靠性保障问题,考虑到车联网是面向高可靠的定制化接入网切片的重要应用场景,本文针对车联网中车辆高移动性带来的服务质量问题,提出了面向车联网的接入网切片协作模型,分析了车联网的实际业务类型并对其业务切片进行了合理的分类,为不同类型的切片赋予了不同的优先级。接着本文基于强化学习建立了切片协作选择模型,在车辆行驶过程中,综合考虑切片类型、信道质量、路侧单元资源等因素,为车辆的业务切片选择合适的路侧单元接入,经过训练后,得到环境状态与协作策略之间的最优映射。仿真表明,相比于原有的路侧单元切换方案,本文的切片协作选择策略将使车辆的业务切片获得更优的信道质量和资源保障。