马孟晓，蔡 英，孙慧婷，范艳芳

(北京信息科技大学 计算机学院，北京 100101)

0 引言

车联网(internet of vehicle，IoV)作为多接入边缘计算(multi-access edge computing，MEC)的主要应用场景之一[1]，是智能交通的重要组成部分。根据IHS公司预测，2025年道路上的车辆和车载设备数量可能达近20亿，每辆车每日可能产生30 TB的数据[2]；无人驾驶汽车将成为智能交通的主流。海量数据的增长对网络的计算能力提出了更高的要求。将MEC引入车联网形成的车载边缘计算 (vehicular edge computing,VEC)[3]，通过把计算资源部署在网络边缘以便车辆更快地获取计算服务，缓解了数据增长引起的任务处理高延迟现象。

在无人驾驶汽车领域，一系列着眼于道路安全、交通效率、增值赋能的车载应用应运而生，且部分应用的计算任务内部存在依赖关系(如AR导航产生的计算任务，需要依次完成对象跟踪识别、生成虚拟景物、合并处理及显示[4]3步，计算任务执行顺序体现了其串行依赖关系)。对于这些计算密集型和延迟敏感型应用的依赖性任务，如何实现较短计算延时是当前主要的研究方向。

Sahni等[5]为解决由依赖子任务和网络流调度组成的多任务联合卸载的问题，设计了联合依赖性任务卸载和流量调度启发式算法。Awada等[6]提出联合空中电子警察系统的智能资源调度解决方案，通过对多依赖性任务进行分组调度，选择最近的无人机部署。Liu等[4]考虑每个应用的完成时间约束和属于同一应用的多个任务的依赖性，提出一种对多个应用和多个任务进行优先排序的任务调度算法。……