车载云计算是目前车联网技术中的研究热点之一,而计算卸载是车载云计算中重要的技术组成部分,它是平衡车联网中多样化业务需求和车载计算机有限能力之间矛盾的有效技术之一。本文以车载云为研究背景,重点研究车载云计算中的任务卸载策略。在对现有计算任务卸载技术进行总结和分析的基础上,分别从资源分配和任务分配两个方面对车载云计算中的任务卸载策略展开深入的研究,主要工作内容如下:1.现有基于博弈的车载云计算的资源分配策略中价格是固定的,而忽略任务紧迫程度和网络状况对价格的影响,从而使执行时间较为紧迫或者周围网络繁忙的任务在博弈过程中的资源无法得到保证。针对此问题,提出基于差异化定价的卸载节点选择策略,把差异化定价机制引入到买卖博弈模型中,首先根据车辆收到的请求数和应答数来预测网络的繁忙程度,根据车辆产生的任务量和任务的容忍时延来推出任务的紧迫程度,其次,在传统的价格函数基础上,联合网络的繁忙程度和任务的紧迫程度两类参数,进一步形成新的任务定价函数。然后,分析和证明该博弈模型解的存在和唯一性。以此理论为基础,使用分布式算法求解差异化定价的资源分配问题。最后的仿真结果表明,本文所提的资源分配策略与现有策略相比,资源利用率提高了9.6%。2.现有车载云计算中的任务卸载策略仅单一以最小化任务处理时延来优化时延,这可能会使任务处理时间超过任务截止期限或者任务传输时车辆连接断开,导致任务处理失败。针对此问题,提出基于最优时延限制的车载云计算中的任务卸载策略。将时延最优的车载云计算中卸载问题建模为任务执行效率最大化优化问题,其中任务截止期限和车辆连接时间作为影响任务卸载的两个因素,将两个因素作为约束条件进一步构建新的优化模型,并对优化问题进行求解,从而获得最优的任务分配方案。最后的仿真结果表明,本文所提出的基于最优时延限制的任务卸载策略与现有的任务卸载策略相比,总任务完成率提升了14.5%。