随着5G网络的快速部署,智能驾驶技术迎来新的发展机遇,汽车的智能化和网联化能够提供更安全、更节能、更高效、更便捷的个人出行综合解决方案,是未来驾驶技术的发展方向。为支撑车辆的智能驾驶,车联网基础设施上需要部署大量应用服务。智能驾驶汽车由于其交通属性,对车联网应用的括通讯延迟、快速计算、高带宽等服务质量(QoS)有很高的要求。为了满足智能驾驶汽车的QoS要求,应将云计算资源下沉部署到网络边缘,然而边缘计算资源相较于传统的云计算中心资源较少,不能提供大规模数据中心带来的可靠性优势。在边缘云平台中,利用基于容器的微服务架构进行应用部署,可以最大化的利用硬件资源,并在有限的资源条件下实现高可靠性、灵活性和高性能。因此合理设计微服务的资源调度策略,对满足智能驾驶汽车的服务质量要求和充分边缘计算资源非常重要。根据上述课题,本文针对车联网系统边缘云平台上的微服务资源调度问题进行研究,具体的研究内容如下:1.首先分析了车联网系统总体架构和车联网系统中微服务分层部署架构。并据此,对车联网边缘云平台的微服务资源调度问题进行分析,说明研究的重要性及意义。2.基于车联网边缘容器云架构,分析了微服务在边缘云平台部署时的资源约束条件,以微服务调用距离最短、物理机集群资源利用率最高并尽量保证负载均衡的综合性能为目标,建立了微服务资源调度多目标优化模型。3.根据微服务资源调度多目标优化模型,在经典的遗传算法的基础上,通过引入基因评价函数,将容器动态迁移策略引入到算法的交叉、变异流程中,设计了一种兼具资源利用率、负载均衡和微服务依赖关系的新型多适应遗传算法(Multiple Fitness Genetic Algorithm,MFGA),使其更适用于求解微服务资源调度问题。4.利用CloudSim中的容器云评估环境ContainerCloudSim,对本文设计的微服务资源调度优化模型和算法进行了模拟仿真,仿真结果表明MFGA算法不仅能提升物理机集群的资源利用率,保证一定的负载均衡,而且可以有效减少微服务的的跨物理主机调用,获得较优的综合性能。