1.一种应用于车辆跟驰队列的异构网络接入选择策略方法，其特征在于，所述方法包括如下步骤：

1)、车辆队列进行直线跟驰，且车辆本身有传感器模块收发邻车的速度加速度信息，首先使用一种传播损耗模型法，根据当前时刻检测到的信号强度，估计车辆与基站之间的相对距离，然后才能进行后续工作，信号强度与距离的公式见式(1)：其中R(d)为当前时刻测得的信号强度，d为当前时刻车辆与基站之间的距离，R(d0)为预先设置并调整的信号强度，单位为dB，d0取值与预设的网络信号强度R(d0)有关，一般为边界值，与R(d0)一同设置，Xσ为测量过程的随机噪声误差，服从高斯分布；n为路径损耗指数，与具体环境相关；

在已知当前时刻信号强度的情况下，通过式(1)求出车辆与基站之间的相对距离d，然后与预先设定的良好接收范围d1作比较，从而淘汰部分车辆与基站之间过远的网络信号，进行第一次网络信号的筛选；

2)、根据模糊控制算法，求出各网络信号的选择优先级；

此次模糊控制算法的输入值分别为接收到的网络信号强度RSSI、车辆的移动速度v和车辆加速度a，在模糊系统中，隶属度函数是输入值模糊化最重要的部分，选择不同的隶属度函数，便会有不同的模糊结果；

模糊控制判决算法中的模糊逻辑系统对于输入变量和输出变量的隶属度关系，使用的是应用领域最多是三角形和梯形，对三个输入变量都设置了三个模糊集合，因此需要设定3×3×3＝27，共27条模糊规则来用于模糊推理阶段以应对每一种可能的输入情况；

将终端用户移动的速度v，加速度a以及接收到的网络信号强度RSSI通过模糊逻辑来进行优劣性的评估后得到一个评估值H，得到的切换评估值H反映各个网络切换的适用度，将H值过低的网络去除后，再次得到一个更精准的候选网络组供步骤3)使用；

3)、决定的八个决策因子为传输时延、传输带宽、丢包率、抖动、价格和功率，车辆速度，与车辆加速度；

在每一扫描时刻通过对车辆加速度的及车辆行驶的速度与加速度后，构建一个大小为m×n的包含网络当前情况下各个决策因子大小的决策矩阵Dm×n：上式中，dij为i网络的j属性的数值大小，而m×n中的m代表共有m个候选网络，n则表示是本次用于评估权重的决策因子数量，此次网络选择算法中，考虑了八个属性的影响，所以n＝8；

构建归一化决策矩阵R；

上式中，rij表示i网络中属性j数值归一化后的参数值，归一化方法如下：收益型：

成本型：

上式中提到了max(dij)和min(dij)，在所有候选网络的属性j中选出的最大数被称为max(dij)，同样的，在所有候选网络中的属性j选出的最小数可以相对被称为min(dij)；

在完成矩阵的归一化后，在候选网络矩阵R中依次选出各属性的最佳值与最劣值得到，将所有最佳值列为最佳矩阵Rmax，将所有最劣值列为最劣矩阵Rmin；

对决策因子来说，分为两种类型：收益型和成本型，对于不同种类的决策因子，归一化方式也有所不认同，收益型的最佳值为max(rij)，最劣值为min(rij)，而对于成本型则正好相反，最佳值为min(rij)最劣值为max(rij)，除带宽外，其他属性均为成本型，而带宽为收益型；

所以最优矩阵表示为：

Rmax＝[max(r1j)min(r2j)...min(r8j)]  (6)与此相对的最劣矩阵表示为：

Rmin＝[min(r1j)max(r2j)...max(r8j)]  (7)通过最佳最劣矩阵可以对各候选网络进行归一化：

对于收益型：

对于成本型：

最终得到构建归一化决策矩阵A

其决策矩阵A最大的特征值所对应的特征向量ω即为各属性的对应权重，由于其为客观算法，根据各网络情况的不同，决策属性的权重不是固定的，需要在每一时刻重新计算其权重；

将归一化矩阵加权处理后，进行最后的比较，通过各网络属性与两种算法的权重矩阵相乘，构建最后的加权归一化矩阵Vm×n；

vij＝wj×rij

其中wj就是对应属性j的权重值归一化后的大小，rij则表示了第i各网络中权重属性j归一化后的数值，vij则表示第i个候选网络中网络属性j在加权归一化后所得到的数值；

最后将同一网络的各vij值相加；

Vi便是最终反应候选网络i优劣性的权重值，比较各网络V的大小，由于之前对各参数集权重进行了归一化处理，通过对比，得到权重最高的V对应的候选网络作为下一时刻的预选网络，若当前时刻车辆所维持的网络所对应的权重值与预选网络的权重值的差值小于则车辆会维持连接当前时刻所对应的车辆网络，而不选择当前时刻的最优解网络，由于通过模糊控制的筛选，步骤2)中的候选网络都是能够保证车辆正常网络使用的，最终选定网络后就可交由车辆进行网络选择以完成通信交流工作。