林艳，闫帅,2，张一晋，李春国，束锋

（1.南京理工大学电子工程与光电技术学院，江苏 南京 210094；2.中国科学技术大学信息科学技术学院，安徽 合肥 230027；3.东南大学信息科学与工程学院，江苏 南京 210096；4.海南大学信息与通信工程学院，海南 海口 570228）

1 引言

近年来，车联网[1]作为汽车、电子、信息通信、交通管理等行业深度融合的新型产业形态，在人工智能和信息通信技术的推动下向着智能化、网联化方向演进，成为经济和社会新的增长点。在移动边缘计算[2-4]技术的赋能下，车联网可支撑高精度地图和复杂交通情况等相关数据的处理和分析，为智能驾驶、无人驾驶等应用提供高可靠、低时延的服务。针对具有高算力需求和低时延约束的车联网衍生业务，车辆用户由于自身计算能力有限，会要求将其关联的计算任务卸载至具有更高算力的邻近边缘服务器完成计算迁移。因此，在智能交通的发展趋势下，车联网中的边缘计算迁移具有强劲的技术发展需求[5-7]。

相较于传统蜂窝网络的边缘计算迁移，车联网的高密度、高动态环境对边缘计算迁移的应用提出了重大挑战。一方面，动态的交通流量使网络拓扑结构不断发生变化，从而导致边缘计算迁移决策复杂化；另一方面，当大量车辆同时涌入某路段时，容易造成邻近的边缘服务器负载过多而较远的边缘服务器空闲的情况出现，且车辆在排队等待服务过程中可能已经移动至该边缘服务器的服务范围之外。……