蜂窝车联网（Cellular-Vehicle to Everything,C-V2X）通过蜂窝移动通信（Uu接口）和直连通信（PC5接口）实现了车辆与周围其他设备的互联互通。车辆可以通过蜂窝网络交换信息以扩展感知信息范围,然而如何高效处理海量数据是车联网发展亟待解决的难题。计算卸载通过将计算密集型任务卸载到云服务器以缩短任务时延。由于任务到达核心云的时间长且网络环境不断变化,传统的云计算难以满足实时性任务的时延需求。多接入边缘计算（Multi-access Edge Computing,MEC）将边缘服务器下沉至网络边缘,可以降低任务完成时间,保证用户体验。然而,对于高速移动的车辆,通信接入方式之间的频繁切换以及边缘服务器之间的相关计算迁移会导致更长的任务完成时间。为了解决该问题,本文针对如何降低车辆移动性和网络环境动态变化对任务执行产生的影响展开研究。MEC与C-V2X融合可以增强C-V2X的端到端通信能力,也可以支持C-V2X应用场景的辅助计算、数据存储等功能,进而满足计算密集型应用的通信和计算需求。为此,本文主要研究C-V2X/MEC融合场景中的通信-计算联合切换问题。将网络通信-计算资源分为四层并建立资源图,讨论静态环境下,进行网络资源分层对卸载性能的影响。然后以任务完成时间,任务完成成功率为性能指标研究车辆移动性对卸载性能的影响。随后,考虑车辆移动过程中的网络资源动态变化,提出基于移动性预测的通信-计算联合切换策略。通过基于隐马尔科夫模型的链路预测确定最佳通信链路,然后综合考虑服务节点的通信和计算资源,选择合适的联合切换目标,在联合切换过程中通过预迁移技术优化联合切换过程,以减小服务停机时间,保证服务连续性。实验环节以平均通信时间、平均计算时间、平均任务完成时间、平均任务完成成功率作为衡量算法性能的指标。实验结果表明:（1）在静态环境下,引入边缘层,进行网络资源分层,可以缩短任务完成时间、提高任务完成成功率;（2）针对车辆移动过程中,通信和计算资源的动态变化对计算卸载的影响,本文提出的算法在平均完成时间、切换次数、服务停机时间上都优于对比算法,能够最大程度缩短任务完成时间,保证服务质量。