章宦成，王海江

（1.浙江科技学院机械与能源工程学院；2.浙江科技学院信息与电子工程学院，浙江杭州 310023）

0 引言

随着互联网技术及人工智能技术的不断发展，许多汽车应用如路线规划、自动驾驶和AR 导航等得到快速发展。然而单个车辆只具备有限的计算资源和存储功能，无法在严格的延迟约束下处理应用程序［1］。车载终端的计算任务涉及用户人身安全，对时延有着非常严格的要求，其计算任务与传统计算任务相比不仅处理的优先级高且任务的并发数量密度也远远高于传统计算任务。

车联网实现了车对车（Vehicle-to-Vehicle，V2V）、车对基 础 设 施（Vehicle-to-Infrastructure，V2I）以 及 车 对 网 络（Vehicle-to-Network，V2N）的通信［2］。而在传统云车系统中，移动云虽然提高了资源利用率和计算性能，然而当车辆将计算任务卸载至较远端的云服务器中时可能会因为骨干网络上的传输容量限制及延迟波动而导致卸载效率严重降低，甚至导致任务卸载失败。针对上述传统云车系统所存在的问题，提出将移动边缘计算（Mobile Edge Com⁃pute，MEC）集成至车联网架构中。MEC 作为5G 核心技术之一最初由欧洲电信标准协会ETSI 提出［3］，在车联网中使用MEC 技术被认为是一种有效降低V2I、V2N 的应用时延方案［4-5］。根据文献［6］可知，若任务卸载至MEC 服务器中进行卸载，则可以减少大约88%的时延消耗。在该架构中，由于MEC 服务器部署在路边单元（Road Side Units，RSU）中，使得数据和应用能够靠近车辆一侧，降低计算任务的传输时延，同时也可以在一定程度上缓解云计算中心及核心网络的计算压力［7］。由……