随着无线通信、大数据、人工智能等前沿科技的快速发展,应运而生出各种各样的新型车联网应用。一方面,车辆的智能化发展使得车载应用对时延的要求日益严格;另一方面,庞大的车辆基数带来的海量数据对车联网的计算能力提出了更高的要求。当前,基于云计算的中心式数据处理是提高车联网数据处理能力的一个有效途径,但是在实际应用中,车辆与云中心频繁的数据交互带来的高时延难以适应车联网应用的时延敏感性,实时性难以得到保障成为限制车联网应用服务质量的瓶颈问题之一。因此,如何利用车联网边缘的计算资源为车联网应用提供低延迟、高可靠的服务成为车联网中相关研究的关键问题。基于此,本文围绕车联网环境下边缘任务的协同处理问题,以优化任务协同处理效能为目标,突破面向车联网的边缘任务协同处理的关键技术,开展以下四个方面主要工作:（1）本文设计了面向车联网的边缘协同任务调度架构。基于车联网自身特性以及车联网应用的需求,本文设计了一种分布式、通用化、网络结构灵活的任务协同处理架构。同时,本文以城市交通场景下的边缘任务协同处理为背景,结合面向车联网环境的协同信息处理任务调度框架,总结了在该场景下任务协同处理的关键问题,梳理论文后续研究内容。（2）本文提出基于车-车协作的任务协同处理优化方法。在通信质量不佳、任务时效性敏感的情况下,远程数据中心无法对车载终端产生的任务提供实时计算支持。综合考虑数据传输速率不稳定、网络拓扑多变、数据处理能力波动等约束,本文通过对车辆物理运动的预测,提出一种面向不确定数据传输速率和计算资源工作状态的任务耗时估计模型。在此基础上,本文提出一种不稳定环境下车-车协同的高可靠低时延任务协同处理方法,该方法基于完全分布式的车辆协作任务处理,能够提高对不同类型任务的快速响应能力和计算适应能力,在保证任务完成可靠性的同时提高任务的时效性。（3）本文提出不确定车联网环境下实时任务协同处理的容错机制。针对车联网任务协同处理中的容错问题,综合考虑任务类型多样、车载终端工作状态变化、车辆间数据传输质量不稳定,车辆通信易断等约束,本文首先提出一种面向实时任务的边缘协同容错架构,明确了边缘任务的容错协同流程。为了表示实际场景中波动的任务处理时间和数据传输时间,本文引入区间的概念来表示任务处理过程中的不确定性。在此基础上,基于主副版本模型提出了一种分布式的任务协同处理容错机制,在考虑车联网环境不稳定影响因素的同时为任务的协同处理提供容错能力保障。（4）本文通过一系列仿真实验来对所提算法进行效能检验。本文通过matlab、python等平台,基于随机生成的方法模拟车联网环境中的异构性和不稳定性,鉴于研究场景的特殊性,本文修改了几种经典算法作为对比算法来检验所提算法的效用。通过对实验结果的对比与分析,进一步说明本文所提方法的工作机理与性能表现。