无人驾驶汽车是汽车工业发展的宏伟目标和必然趋势,被认为是当前的全球创新热点和未来的发展制高点。为了提高交通安全与效率,无人驾驶汽车必须通过无线网络技术与其他车辆、道路基础设施、边缘服务器或云服务器等实体进行信息交换。在实际场景中,无人驾驶汽车需要传输的信息具有多样性,例如可分为安全性、便利性、舒适性应用。这些信息对传输的吞吐率、时延、可靠性等具有不同的需求。同时,可供无人驾驶汽车选择的无线网络接入技术也具有多样性,例如蜂窝网络、Wi Fi、DSRC、卫星通信等。不同的无线网络接入技术具有不同的特性,适用于不同的应用场景和需求。因此,如何为无人驾驶汽车的不同信息选择最合适的无线网络接入技术是一个重要的问题。本文在深入分析不同种类应用信息的传输需求和不同无线网络接入技术特点的基础上,设计和优化了基于机器学习的无线网络接入技术选择机制,具体内容包括:(1)本文分析了无人驾驶汽车不同种类应用信息的传输需求,并且分析了不同无线网络技术的特性,提出了两者的匹配方法。(2)本文分别基于单隐藏层前馈神经网络算法极限学习机(ELM算法)以及误差反向传播神经网络算法(BP算法)设计了无线网络接入技术选择算法。(3)为了进一步提高无线网络接入技术选择的准确率,本文针对ELM算法进行了优化,包括对隐藏层节点数目、常用特征值和激活函数进行优化。在开放数据集上的实验证明了基于有监督学习算法的无线网络接入技术选择机制的有效性。ELM算法与BP算法能够达到相近的分类正确率,但是ELM算法的效率更高,因此ELM算法更适合无人驾驶汽车应用场景。通过对ELM算法的优化,其分类准确率得到了进一步提升。