随着移动边缘计算的逐渐普及,各种对时延有苛刻需求的应用相继产生。虽然云端能为终端用户提供强大的计算服务,但是由于距离遥远无法提供实时的服务。边缘计算是很好的解决办法,移动边缘计算通过将终端用户所产生的任务卸载到边缘服务器上,通过运用虚拟化、软件定义网络等技术,使终端用户能够灵活的获取计算资源等服务。将移动边缘计算应用到车联网架构中能够有效的解决诸多问题。为了能够在接近用户端利用边缘设备的计算资源为人们提供高质量的服务,文本对车联网环境下的计算卸载方法进行了研究和分析,车载应用产生的任务需求可以卸载到配备边缘服务器的路侧单元进行处理,也可以卸载到接近终端用户的车辆中进行处理,从而使车联网的服务效率最大化。本文根据K-means聚类算法对任务卸载进行优化,并对比随机选择算法对系统平均完成时间的影响。本文在Matlab R2018b平台上进行仿真实验,结果表明基于K-means聚类算法优于随机选择算法,并且验证了聚类算法在本文中的优势。最后针对在车联网环境下的移动边缘计算架构设计了一种联合计算卸载和资源分配机制。在该机制中,将原多目标问题化解为复杂度较低的比例资源分配算法和改进的粒子群算法两个问题分别求解,仿真结果证明了该机制相较于其他算法大大降低了算法的复杂度,并且用户效用始终较高。