随着物联网技术的飞速发展,各种物联网设备采集的数据源源不断产生并大量积累,这些数据具有巨大的利用价值并产生了大量的业务应用需求,此类应用也成为了众多行业领域的热点。在这些领域的应用建设中,围绕这些物联网数据的很多应用往往可以被表示为物联网分布计算环境下由一组大数据处理与分析任务构成的工作流,本文中把这种工作流称为数据密集型工作流。与传统工作流不同的是,物联网环境下这种数据密集型工作流具有数据来源分散、数据规模大、云边协同分布执行等特点,在物联网云边协同计算环境（下文简称为云边环境）下执行此类工作流时,需要考虑业务约束、远距离数据传输等多方面因素,从而给工作流系统的执行引擎带来了数据流控制管理、数据传输调度等方面的诸多挑战。为此,本文针对这种数据密集型工作流的执行约束和数据传输问题,提出了一种云边环境下基于流程分割的数据密集型工作流调度方法,并设计实现了一个数据密集型工作流执行调度系统。具体的工作包括以下三方面:（1）针对物联网数据应用执行问题,提出了云边环境下数据密集型工作流调度框架。在该框架下,首先对物联网数据应用在BPMN业务流程建模语言基础上进行扩展以支持数据密集型工作流建模;进而提出了适合云边环境的工作流节点定义;最后给出了该环境下的基于分割调度的数据密集型工作流调度基本思想,即通过分割和调度来满足数据密集型工作流执行的约束条件及执行中跨节点跨数据传输的优化需求。（2）通过对物联网云边环境下的工作流调度问题分析,以用户的约束条件为前提,以工作流执行中的数据传输量等为优化目标,提出了一种基于流程分割的数据密集型工作流调度方法（DSPS）。首先,在用户约束条件下确定工作流的分割位置,并根据分割位置将原工作流分割为多个子工作流,减少其间的数据传输,达到优化传输时延的目的;然后,利用粒子群优化算法进行改进,使其在满足用户约束条件的同时达到工作流的执行时间和计算节点负载均衡两个优化目标。通过仿真实验的结果显示,本文的研究方法相对于已有工作,在整体执行时间和计算节点负载均衡的优化上具有很好的效果。（3）在上述工作基础上,基于开源Flowable工作流软件设计并实现了一个数据密集型工作流执行调度系统。首先,给出了系统的架构设计以及系统核心流程设计;然后,针对数据密集型工作流分割和调度两部分主要功能模块技术实现进行了说明,并给出了调度执行结果的可视化呈现方式;最后,通过智能交通领域的场景案例对系统可用性进行了验证,展示了系统的应用效果。