近年来,高精度地图在自动驾驶中扮演的角色日趋重要。相比于传统的数字导航地图,高精度地图拥有着更庞大的数据量、更复杂的数据结构和更高的更新频率。这意味着目前基于云计算的通信网络架构很难满足高精度地图快速下发与更新的时延需求。在此背景下,本文旨在以边云协同网络架构为基础解决高精度地图下发与更新面临的时延问题。首先,按照精细程度和动态程度对高精度地图的内容进行解构,详细地分析了不同内容的特点及其对自动驾驶的作用,并基于以上分析,指出协同缓存、协同计算、异构接入,以及分层优化是高精度地图下发与更新业务对网络架构的四大核心需求。然后,结合边云协同领域的新兴技术,提出了一种可以支持高精度地图快速下发与更新的边云协同网络架构,并对其层次结构、主体功能以及协作方式进行了说明。在此架构基础上,本文对高精度地图下发与更新两项业务分别进行了优化。针对高精度地图下发业务,考虑到高精度地图的异构性,本文分别提出了一项静态地图下发机制和一项动态地图下发机制。在静态地图下发过程中,考虑到其数据结构的层次性和车辆需求的热点性,以最小化下发时延为目标,对各边缘服务器的协同缓存策略和协同响应策略进行了优化,使得车辆能在尽可能短的时间内获取所需地图。在动态地图下发过程中,考虑到其时效性强、作用域小、数据量小的特点,以最大化及时下发率为目标,在一个边缘服务器的服务范围内,对各接入点的缓存与推送策略进行了优化,使得尽可能多的车辆能在截止时间前获取所需地图。最后,通过仿真实验证明了这两项机制的有效性和优越性。针对高精度地图更新业务,本文将高精度地图众包更新分为数据收集和数据处理两个阶段,分别提出了一项基于流量分配的快速数据收集机制和一项基于边云协同的快速数据处理机制。在数据收集阶段,考虑到车辆通过异构接入网进行并行上传过程中可能造成的接入点侧流量拥塞问题,以最小化车辆上传传感器数据的网络时延为目标,对车辆在不同接入链路上的流量分配机制进行了优化。在数据处理阶段,考虑到边缘服务器在并行处理多个更新任务时暴露的算力瓶颈,以最小化计算时延为目标,对计算任务分割策略以及边缘服务器和云计算服务器的算力分配策略进行了优化。最后,通过仿真实验证明了这两项机制的有效性和优越性。