随着物联网技术、无线通信技术的快速发展,众多车联网相关应用层出不穷,例如无人驾驶、智能辅助驾驶等。上述应用均具有:计算任务量大、计算时延短等特点。然而,单个车辆自身的计算资源受限,可能无法满足上述新兴应用需求,使其难以保障所需的车联网用户的服务质量。将移动边缘计算技术引入到车联网,构建边缘车联网,通过在无线接入网络的边缘以及靠近移动用户的位置提供计算资源以应对各类应用,具有增强车辆计算性能的巨大潜力,满足车辆的繁重计算需求。然而,当前阶段的边缘车联网技术还不够完善,边缘服务器无法覆盖所有用户,而且若是所有车辆将其任务卸载到同一边缘服务器的卸载方案会由于过载而限制性能提升。此外,云服务器又由于部署较远,计算卸载时延太大严重影响用户的体验,无法保证用户的服务质量。为了解决这个问题,本文拟优化利用更多可用低延迟的计算资源并改进车联网的资源调度策略。具体的,本文拟挖掘任务车辆附近的潜力车辆可用计算资源,提出了一类基于移动边缘计算的车辆计算任务协作卸载策略。主要工作如下:（1）根据边缘车联网中的计算任务卸载方式:本地卸载、部分卸载以及完全卸载。结合计算任务卸载四种目的地:卸载至本地,卸载至周围协作车辆,卸载至边缘服务器以及云服务器。对现有的计算卸载方法进行总结,构建计算卸载框架,设计系统流程图。（2）在边缘车联网中,任务车辆可以将计算任务卸载给周边的协作车辆。然而,协作车辆的数量直接决定了边缘车联网的任务卸载策略的效率。本文设计了一类高效的边缘车联网的任务卸载策略,针对协作计算卸载车辆的车辆最佳数目进行研究,设计目标函数并求出最佳协作车辆数的车辆协作计算任务卸载策略,最终通过实验仿真验证效果。（3）本文设计了一种适用于边缘车联网的基于契约的激励机制,以鼓励协作车辆将其闲置的计算资源贡献给任务车辆,同时考虑能量消耗。针对协作车辆的激励问题本文首先搭建了任务车辆效益数学模型、协作卸载车辆效益数学模型以及系统社会福利模型。在满足IR、IC约束下的信息非对称情况下,求基于契约理论最大化任务车辆的效益。同时,在对称信息情况下最大化任务车辆的效益。最后,本文通过实验仿真验证了该激励模型的可靠性和有效性。