边缘计算是业界新兴的计算模式,在目前数据急速膨胀的互联网环境下,边缘计算模式能够将原本需要集中在云计算中心进行的计算任务卸载到边缘测,使得服务能部署在靠近用户的边缘侧。这一新兴的计算架构,既能减少云计算中心的负载,又能减轻网络传输基础设施的带宽压力,节约网络资源。因用户至边缘侧的物理距离和网络距离比云计算中心的短,经过的通信节点少,网络环境相对稳定,边缘计算对依托其运行的应用带来了显著的时延降低效益。边缘计算作为一种新型的计算模式,在未来各个领域的应用前景十分广阔,对万物互联的趋势有着极大的推动作用。随着全球自动驾驶产业的不断扩大,自动驾驶车辆的安全问题成为了交通领域研究的热点之一。高精度地图是辅助车辆完成自动驾驶不可或缺的核心技术,能够辅助车辆完成更加精确的控制。自动驾驶对数据的实时性要求极高,其服务的即时性会极大程度影响自动驾驶车辆行驶的安全性。而高精度地图应用的特点是数据量大、服务资源消耗多。目前,传统的高精度地图服务一般部署在云服务器上,利用云服务器强大的算力提供优质的高精度地图导航服务。本文以高精度地图内容分发作为重点,探索其在边缘计算这一新型框架下的部署方式,初步实现了计算任务由云服务器向边缘侧卸载,提高了服务的效率。本文重点研究了边缘计算平台的设计与实现过程以及辅助自动驾驶的高精度地图服务部署方式。首先,论文对高精度地图的基本概念和工作原理进行了深入研究,并对用于部署服务的容器虚拟化技术Docker和KubeEdge容器编排工具进行了应用实践,以此作为边缘计算平台的支撑;然后论文研究了高精度地图服务在边缘服务器的部署方案,并设计了基于车流量的高精度地图谱聚类裁剪方案,结合自主设计的瓦片缓存优化算法,对高精度地图内容分发的性能进一步优化。最后,通过搭建基于边缘计算的高精度地图分发框架进行了仿真实验,并对实验结果进行了统计分析,验证了高精度地图内容分发服务在边缘计算平台上部署的可行性和优越性。