移动边缘计算(Mobile Edge Computing,MEC)作为一种新颖的范例,正在成为以消费者为中心的物联网的重要推动者。它将云计算功能和服务扩展到网络边缘,通过将计算任务从移动设备转移到网络边缘来实现实时信息传输和计算。被广泛地用于需要实时数据处理和反馈的场景,例如车载网络、自动驾驶等。目前,车载网络面临着一个巨大的挑战,即需要为大量车辆提供稳定可靠的连接与高质量的网络服务。为了解决这些问题,移动边缘计算将作为核心出发点,在车载网络中接入网络边缘的计算资源进行任务传输和处理。本文内容主要有以下几部分构成:首先,针对愈演愈烈的用户需求与有限资源之间的矛盾,面对车联网中高效内容交付和任务卸载问题时,本文基于MEC,考虑到MEC应用场景中用户与边缘云交付过程中的通信功耗与时延约束,进而考虑对边缘云的计算资源进行定价的问题。详细说来,考虑到边缘云利用自身资源使利益最大化为出发点,提出了一种基于价格的考虑通信功耗的方法来管理用户的卸载计算任务,并利用Stackelberg博弈来建模边缘云与用户之间的交互。边缘云根据自身有限的资源设定相应的价格以最大化自身收益;对于给定的价格,每个用户在本地做出卸载决策以最小化其自身成本。仿真结果表明,优化算法在满足任务卸载约束的同时,能够明显地降低系统能耗且为边缘云带来更多的收益。然后,针对车载网络中的任务卸载问题,考虑多基站应用场景下,针对系统中按比率到达的任务,将基于边缘计算的车载网络系统中任务处理所产生的的总功耗作为任务卸载的优化目标,基于系统模型、相应约束等控制手段,提出了高效的任务卸载算法优化车载网络内容交互,即多基站MEC服务器场景中带有缓存机制的任务卸载算法。针对系统中的任务,车载用户与边缘基站对卸载比率与缓存比率进行优化决策,最小化系统中总功耗,并与其他算法进行了对比分析,系统仿真结果表明,在多基站MEC服务器场景中,当车辆进入边缘基站覆盖区域并执行任务卸载方案时,本文提出的任务卸载方案较之于其他方案,能够明显地带来更低的系统能耗,原因是与仅关注计算卸载决策不同,该策略对边缘云上的缓存能力也进行了有效利用,边缘云利用缓存可以有效减少系统总功耗。