随着智能设备的增加和无线传感器的广泛应用,数据量呈现爆炸式增长。云计算已经不能满足一些需要实时处理的应用请求。雾计算作为一种低延迟、分布广的计算范式,能够将云资源从数据中心迁移至网络边缘。当前,雾计算的资源分配问题是一个研究热点,而车辆雾计算(VFC)作为雾计算的一部分,也得到了越来越多的关注。由于空间资源限制和不断增长的人口,有限的停车位数量带来了严峻的停车问题。将VFC与停车辅助相结合,有助于用户获取停车信息,缓解停车压力。本文研究重点是在雾计算环境下建立激励机制,帮助用户获取停车信息,实现雾资源的合理分配。主要研究内容如下:(1)在车辆雾计算的应用场景下,结合停车辅助问题,建立具有低延迟和高稳定性的激励机制。激励雾节点贡献闲置资源,以对雾资源进行优化分配,满足用户需求。(2)构建VFC停车辅助系统模型,并在该模型上提出了一种基于反向拍卖的VFC激励机制。考虑到用户的低成本和实时性要求,提出了用户、雾节点和第三方平台的效用函数,并设计了一种基于反向拍卖的VFC停车辅助分配策略。该策略实现了个人理性和预算平衡,同时也提高了用户的匹配成功率和社会效用,节约了用户的开销成本。(3)针对目前大多数基于拍卖的雾资源分配问题没有考虑环境效益的情况,在VFC停车辅助系统模型下,提出了一种基于双向拍卖的VFC激励机制。并在该框架下,创新性提出了用户偏好价值的概念以及效用函数。结合McAfee双向拍卖原理,设计了基于双向拍卖的VFC停车辅助分配策略。通过理论分析与实验证明,该策略在个人理性与预算平衡的基础上,保证了买卖双方的真实性。同时,该策略提高了用户与雾节点的效用,提升了平台收益和系统效率,节省了用户停车等待时间,实现了绿色分配。