可见光通信(Visible Light Communication,VLC)是目前较前沿的一门通信技术,将其应用于车联网中构成智能交通系统成为一大热门研究。但是,室外环境传播光信号会因太阳光与其它人造光源的干扰产生较大失真,且用户在进行网络切换时易发生乒乓效应,影响网络的稳定性。要实现车联网中高速稳定的可见光通信,对车联网可见光通信的强背景光干扰及网络切换特性的分析是重中之重。因此,本文围绕车联网VLC的强背景光干扰及网络切换两个方面开展研究。针对车联网可见光通信系统背景光噪声大的问题,将改进的集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与压缩感知(Compressed sensing,CS)相结合,提出基于车辆网VLC系统的改进的强背景光噪声抑制算法,自适应的选取EEMD的本征模态分量(Intrinsic Mode Function,IMF)阈值,有效避免了复杂繁琐的阈值的选取,在重构过程中抑制噪声,达到去噪的目的。首先,使用滤波器滤除光信号中的人造光源噪声;其次,进行EEMD算法去噪,提出使用改进的蚁群算法来自适应的确定EEMD的IMF分量的阈值,得到EEMD重构后的去噪信号;然后,利用压缩感知算法也对滤波后进行压缩重构去噪,得到进CS算法重构后的信号;最后,对两种重构信号进行加权处理得到相互补充的精确去噪信号。经仿真验证,本文提出的算法对车联网系统可见光通信背景光噪声抑制具有较好的效果。针对室外车联网可见光通信系统切换时网络间评估差距太小且易发生乒乓效应的问题,提出一种基于改进的多属性切换算法。首先,将输入的属性进行属性指标正向化;然后,利用改进的客观权值求解算法,得到室外车联网环境下用户完全独立的客观网络选择的权值,以减小属性间依赖关系对网络选择的影响;最后,结合得到的网络选择主观权值与客观权值,根据主观和客观评价值的一致性和评价结果的最优性,提出改进的主客观权值分配模型,根据分配模型求得各属性最终的权值,利用权值求得各网络的网络评估值,根据评估值排序,选择评估值最大的网络为目标网络。仿真结果表明,本文所提算法能寻找最佳的目标网络,降低室外可见光通信系统中网络间切换的失败率、避免乒乓效应、提升系统通信性能。