当前汽车持有量的飞速上涨以及互联网与无线通讯技术的蓬勃发展给人们出行与交流带来了极大地便利,但同时也带来了各种问题与挑战,如交通拥堵、安全事故增加、用户需求多元化等等。而由车载异构网络构成的车联网将成为解决这些问题的重要方式。但是由于车辆节点会在各个不同种类、不同覆盖的网络下进行相对高速的运动,在此情况下发生网络间切换,容易产生“乒乓效应”,从而使通讯质量下降。如何保证车辆节点获得更好的通讯质量,降低节点在运行中的切换次数以及切换时延将成为研究重点。本文首先对应用于车联网的无线网络(VANET、LTE、Wi-Fi)的系统结构、关键技术、优势特点等进行了详细介绍,归纳总结了垂直切换的流程分类以及评价指标。然后对现有的垂直切换算法进行仔细分析,最后对这些算法进行总结,找出现有算法应用于车联网时存在的不足与缺陷。贝叶斯分类决策思想,是通过将切换决策属性概率化,求得联合先验概率,再使用网络优先级后验概率进行联合判决。最后使用MATLAB搭建仿真环境,对贝叶斯分类决策算法与传统的RSS和基于代价函数的垂直切换算法进行对比。该算法可基本满足车联网环境下切换要求,但仍然存在着切换效果不够理想,无法自适应速度变化等问题。为了解决贝叶斯分类决策算法的不足,本文引入隐朴素贝叶斯分类思想,突破了原有贝叶斯决策中关于属性之间完全独立的假设,建立起属性间的关系,同时引入自适应修正概率,使算法可以更好地适应不同速度下的网络差异,一方面有效的降低切换次数,另一方面避免了算法复杂度的提高。为了验证改进算法的有效性,对改进算法在MATLAB环境下进行了仿真,并与原算法和其他算法进行对比。仿真结果表明,算法可以有效的降低切换次数,并且拥有更低的运行时间,提升了在车联网环境下垂直切换的稳定性与效率。