车联网是物联网的重要应用,是智慧城市在智能交通方面的重要体现,被公认为是未来通信网络最重要的发展方向之一。限于路边计算系统并不完善,车联网目前主要应用于信息服务方面,而对道路安全关注较少且多集中于事故急救。但随着物联网的快速发展,越来越多的路边设备接入网络,雾计算的能力日渐强大,使得车联网有望突破到新的发展阶段。为实现自动驾驶这一车联网终极目标,建立完善的车联网计算、通信系统成为首要任务。本文提出了一种基于雾计算的新型系统模型用以处理自动驾驶类业务,并从业务时延的角度研究业务分配问题。本文基于车辆主要的无线网络接入环境,在雾计算架构下提出一种新型车联网自动驾驶类业务处理系统模型,并从网络模型、业务模型、时延模型等三个方面介绍该模型特点。该系统从业务处理角度主要划分为用户层、边缘层、核心层等处理层:用户层主要由本地车辆组成,可组建自组织网络以提高其效率,自组织网络的规模和业务分配比例需待研究;边缘层主要由路边智能设备组成,通过分簇可以提高其效率,分簇簇数和分簇算法有待确定;核心层主要由云数据中心组成,其效率取决于用户到核心层的路由距离。自动驾驶类业务通过分配到三个处理层中均衡处理以得到最快响应,各处理层的业务分配比例有待确定。基于上述系统模型,为确定各处理层业务分配比例,以最小化单个自动驾驶类业务时延,本文从数学推导和性能仿真两个角度相互印证以解决上述问题。结果表明,存在自组织网络规模和业务分配比例联合最佳方案使得用户层效率最高,且此最佳方案受接入用户数影响;边缘层最佳分簇簇数是通信时延与计算时延的权衡最优解;业务最终在三个处理层中的最佳分配比例受各处理层效率影响。此外,本文利用遗传算法对边缘层进行分簇,结果表明该算法能在安全约束条件下快速收敛到通信时延和计算时延的权衡较优解,并且该算法具有很好的适应性。