随着物联网设备的普及和智能交通系统的发展,满足车辆用户的服务质量要求的挑战日益突出。车联网边缘计算(Vehicular Edge Computing,VEC)是一种有前途的新型计算范式,它将计算和存储资源迁移到接近车辆用户的网络边缘,从而降低服务延迟并减少通信开销。然而,由于边缘计算资源的地域分散性和车联网的高动态性,VEC中的服务提供面临着诸多问题。本文对VEC的任务卸载和数据分发技术进行深入研究,旨在提高计算密集型和数据密集型应用的整体性能。论文的主要工作和创新点如下:(1)针对路侧单元(Road Side Unit,RSU)提供计算服务的场景,提出一种基于RSU协同边缘计算的任务卸载策略。本文设计一种实现RSU协同边缘计算的网络架构和任务卸载流程,分析任务执行位置和执行顺序对任务完成时间和任务执行成本产生的影响,构建任务卸载效用模型;以任务卸载效用最大化为目标建立优化模型,设计一种基于单亲遗传算法和启发式规则的混合智能优化算法进行求解。仿真结果显示,与现有策略相比,基于RSU协同边缘计算的任务卸载策略的卸载效用提高了约15%。(2)针对高可用计算服务的提供问题,提出一种基于车辆协同边缘计算的任务卸载策略。本文设计一种实现车辆协同边缘计算的网络架构和任务卸载流程,分析通信资源分配和计算资源分配对任务完成时间产生的影响,构建任务完成时间模型;以平均完成时间最小化和成功完成率最大化为目标建立优化模型,设计一种基于蝙蝠算法和非支配排序的多目标群智能优化算法进行求解。仿真结果显示,与现有策略相比,基于车辆协同边缘计算的任务卸载策略有效地缩短了任务完成时间,提高了任务完成率。(3)针对多媒体数据的吞吐量优化问题,提出一种基于D2D协作的多播数据分发机制。本文在边缘计算环境下集成多播技术和中继技术,设计一种实现D2D协作多播的网络架构和通信流程,综合考虑车辆移动性和信道质量等因素,构建中继信道容量模型;以最小中继信道容量最大化为目标建立优化模型,设计一种基于聚类思想的启发式算法进行求解。仿真结果显示,相比于现有的数据分发机制,基于D2D协作的多播数据分发机制有效地提高了多媒体数据的吞吐量。(4)针对多媒体数据的传输效率优化问题,提出一种可扩展的端到端报头压缩机制。本文在边缘计算环境下集成报头压缩技术和软件定义网络技术,基于报头压缩与压缩包转发分离的思想,设计端到端报头压缩机制的总体架构;设计实现端到端报头压缩的压缩器体系结构,扩充控制器的管理功能;从理论上分析本文报头压缩机制在处理能力、可扩展性、带宽节省和端到端延迟等方面的性能。仿真结果显示,与现有的报头压缩机制相比,可扩展的端到端报头压缩机制有效地提高了多媒体数据的传输效率,降低了端到端延迟。