近年来,车辆边缘计算(Vehicular edge computing,VEC)将云计算模式带到网络的边缘,缓解了网络中大量数据请求造成的计算能力不足和时延的影响。随着智能交通系统(Intelligent Transportation Systems,ITS)的发展,智能应用程序的应用越来越多,这些智能应用通常具有计算密集、延迟敏感和带宽要求高等特征,对车载终端的处理能力造成很大的压力,也给无线接入网络带来很大的负担。移动边缘计算(Mobile Edge Computing,MEC)技术的出现有效地减少了网络的负担和延迟,但如何进行任务卸载决策和资源分配成为了VEC中的关键问题。本文以提高车联网中车辆的任务卸载效率的和合理分配边缘计算资源为目标,针对不同边缘服务器部署场景进行研究,主要内容如下:(1)针对边缘服务器在部署RSU上的情况下,提出了一种基于贪婪算法的集中式任务卸载和资源分配方法。首先,采用控制器对车辆发送的任务信息进行收集。然后,在多用户竞争有限的边缘资源的环境下,为了满足车辆智能应用程序的需求,采用两种任务完成方式。再对车辆的任务卸载决策和计算资源分配的策略进行研究,提出了一种贪婪算法。最后,利用控制器统一分配和管理边缘计算资源进行任务卸载,以满足车辆的任务卸载需求。结果表明,提出的算法可以有效地增加车辆的任务卸载成功率,使得边缘计算资源可以得到合理的分配。(2)针对边缘服务器部署在边缘网络数据中心上,提出了一种基于任务紧急性的联合卸载方法。在车辆密集的某些区域,车辆数目的不同,导致边缘服务器的负载状态存在差异,从合理分配车辆的卸载任务请求和计算资源的角度出发,任务根据任务的截止日期、种类和MEC服务器的负载情况划分可处理的区域,分配任务可完成的边缘服务器。再根据计算的概率选择完成概率最大的边缘服务器进行任务卸载,等到车辆行驶到指定区域便可以直接接收到任务请求的结果。结果表明,提出的算法可以明显降低错过截止期日的任务数、有效地降低单一边缘服务器的负载压力和优化整个区域内的边缘服务器负载情况。