随着新一代信息技术的快速发展,车联网——物联网背景下的智能交通系统应运而生,成为未来大数据时代下解决车路协同通信矛盾、构建高效便捷的智能交通系统的重要手段。近年来,我国机动车数量的迅速增加,现有的交通网络无法适应快速增长的车辆任务数据需求,急需构建高效便捷的交通网络来解决当前交通拥堵严重、能源消耗过大等问题。移动边缘计算技术以其特有的低时延和高可靠的特性,被广泛应用于车联网中。通过在靠近车辆的道路两侧部署移动边缘服务器,可有效降低车辆至云服务器过程的任务处理时延,同时,结合端-管-云三层体系架构,边缘车载网络使车与车通信、车与路和车与人通信成为可能。将车载任务卸载至边缘服务器执行,在很大程度上解决了车载数据量过大与车载终端有限资源的矛盾,提高车辆通信之间的可靠性和稳定性。本文在结合国内外对车联网关键技术、移动边缘计算、中继协同通信和车载任务卸载方案等的研究基础上,针对目前已有研究方法的不足,进行了基于移动感知和中继辅助的车载边缘网络卸载方案和资源分配的研究。本文设计了一种基于停靠车辆中继的车载任务卸载方案,构造了拉格朗日对偶函数,通过功率匹配算法,对多车辆多任务的资源进行合理分配。本文的具体工作如下:(1)基于移动感知和中继辅助的车载边缘网络卸载方案和资源分配的研究。首先,为了克服由于车辆快速移动性导致的频繁越小区切换对时延的影响,本文建立了基于车辆移动性直线距离通信的模型,描述了车辆在不同基站覆盖内的车-基直线距离对任务传输速率的影响。相比于传统卸载方案,本文所提基于中继辅助的卸载方案借助停靠车辆进行数据转发,避免了回程链路之间的网络拥塞。最后,建立拉格朗日对偶函数,利用椭球算法对车载任务处理过程中时延和系统开销进行分析。通过仿真比较分析,本文所提方案在车载任务处理过程中的系统开销均优于传统卸载方案和云分发卸载方案。(2)基于干扰管理的卸载决策和资源分配方案。在多车辆多任务输入环境下,本文根据车载任务输入量、车载终端处理能力和边缘服务器处理能力,输出最优卸载决策。考虑同一基站覆盖范围内车辆间的干扰,引入干扰管理,结合边缘服务器部分缓存策略,为不同车辆任务分配边缘服务器的资源块,同时利用功率匹配算法对车辆传输功率进行分配。最后,构建拉格朗日对偶函数和近似函数对系统综合损耗进行分析和资源分配。仿真结果表明,对于多车载任务输入情况下,本文所提卸载方案下的系统综合损耗相对较小。