随着移动通信和互联网技术的迅猛发展,车联网作为5G三大应用场景之一,已成为交通与信息等多行业深度融合的新型产业形态。然而,随着车辆应用与车载数据传输需求增加,传统单一的车联网接入技术无法支持其递增的新兴业务类型与数据量,异构车联网接入技术依然是其关键技术。网络切片技术是5G网络的关键技术之一,能提供特定应用场景要求的逻辑网络功能,以支持不同业务的传输需求。本文将网络切片技术引入车联网,研究基于网络切片的车联网接入技术,以达到提高车联网QoS的目的,对提升汽车网联化、智能化水平,实现自动驾驶,发展智能交通等具有重要意义。本文首先在车联网通信接入技术调研的基础上,针对基于自组织网络WAVE体系和基于蜂窝网络等车联网场景下用户产生的接入及拥塞问题,构建了一种基于网络切片的异构车联网接入架构模型,对异构车联网接入方式选择及QoS优化进行深入研究,调研表明采用异构网络能够有效地缓解网络拥塞问题和提高车辆用户QoE。然后本文分别对DSRC技术、LTE-V2X技术和WiFi技术等车联网接入技术进行了分析,针对用户不同业务需求研究不同接入技术的网络切片选择策略,提出了基于一对多匹配的车联网接入切片选择算法,建立合理一对多的数学模型,并与基于多属性判决和基于贝叶斯预测的方法进行了仿真分析对比,结果表明采用一对多匹配算法的选择方式能够在满足用户QoE需求的前提下有效提升系统吞吐量,并能够减少切换次数从而减少切换时延。最后为了提升车联网的资源利用率和网络负载均衡性能,本文研究异构车联网中不同接入切片选择方案,提出一种基于用户不同QoE需求、SNR状况和车速的强化学习接入切片选择算法,通过自身智能化的数据采集、数据分析和数据处理,得到合适的接入切片。仿真结果表明,所提算法在兼顾异构网络负载均衡的前提下有效地提升了系统资源利用率。今后进一步研究方向可结合信道状况、车联网业务特性和车辆行驶变速等因素,研究基于大数据的车联网接入选择策略和优化算法,以提高系统QoS。