随着车联网的迅猛发展,各种各样的车联网服务层出不穷,然而这些服务对时延和计算的要求较高,单靠车辆自身的计算能力无法满足这些要求。因此,为提高车联网的计算能力并降低车联网中的传输时延,人们将移动边缘计算(Mobile Edge Computing,MEC)引入车联网环境,并展开了基于C-V2X的车联网与MEC技术融合的相关研究。C-V2X与MEC融合场景下,车辆进行数据卸载的过程中往往会存在许多问题,本文提出了两个主要问题:车辆如何选择卸载策略的问题和边缘服务器如何解决负载均衡的问题,并针对这两个问题进行了深入的研究。针对车辆如何选择卸载策略的问题,本文提出了一种基于博弈论的分布式卸载方案。该方案将车辆的任务卸载问题转化为博弈问题,建立通信模型和计算模型,并证明该问题属于“潜在博弈”,再利用“潜在博弈”属性,证明该问题拥有纳什平衡。最后,利用纳什平衡的特性,设计了分布式卸载方案。实验仿真证明,所提的基于博弈论的分布式卸载方案可以更好的减少任务卸载的开销,提升卸载效率。针对边缘服务器如何解决负载均衡的问题,本文提出了一种基于动态负载指标权重的负载均衡算法用于解决该问题。该算法结合多种负载指标分析MEC服务器负载状态,并为这些负载指标赋予权值,动态调整各个权值的大小,从而更为准确的反映MEC服务器的实际负载状态。然后,调度中心根据各个MEC服务器的负载状态合理分配转移任务。实验仿真证明,本文所提的基于动态负载指标权重的负载均衡算法可以更好的提升边缘服务器集群的负载均衡度,减少任务计算时间。