随着通信和智能网联技术在汽车上的迅速扩展,路侧云服务已成为智能交通系统中研究的热点。由于新颖的车联网服务不断推出,为驾乘者提供了更佳的服务质量（Quality of Service,Qo S）。然而,处理这些服务对计算资源和存储空间的需求在不断提高,并且对服务响应的时延也提出了更为严格的要求。路侧云是靠近车载终端的分布式通信、计算和控制的网络架构,可以将车联网下闲置的车辆资源作为潜在的计算资源,在车联网服务的时延、可靠性方面有着巨大的价值。本文以企业委托项目和自然科学基金为依托,以提高路侧云内车辆资源的利用率为目标,对路侧云服务时延和路侧云服务迁移策略进行研究。首先,描述了车联网的体系结构和网络架构,介绍车联网云服务、分类及应用场景,并概述两种服务迁移;其次,构建路侧云服务时延模型,提出路侧云服务分类及时延组成,并给出各部分时延的计算方法。在此基础上,利用M/M/S排队模型和马尔可夫过程（Markov Process）,对处理时延进行建模计算;接着,提出时延作为约束的路侧云服务迁移策略,确定待迁移服务和目的节点,再次,以待迁移服务为目标,设计时延最小分配算法。最后,给出路侧云仿真实验系统架构,完成通信协议和模拟节点设计,采用Labview开发仿真软件,对本文提出的服务迁移策略进行验证。根据试验结果,本文提出的策略可以有效提高路侧云内车辆资源的利用率,可以减少路侧云服务器的数量。本文研究成果对提高时延约束的路侧云服务质量具有一定的理论意义和工程价值。