随着经济水平的不断提高,人们美好生活需要日益增长,衣食住行需求市场迎来广阔的发展空间。在汽车产业蓬勃发展,为人们的出行提供巨大便利的同时,也给社会带来了许许多多的问题,交通拥堵现象频发,交通事故也时常发生。人们希望能享受更好的乘车驾驶体验,拥有更安全的驾驶环境,憧憬着智能交通时代早日到来。在“万物互联”的信息时代,自动驾驶汽车被设想为一种很有前途的技术,可确保道路安全和交通效率。为了保障车辆能够安全行驶以及维持较高的智能驾驶水平,车辆装载了大量传感器以用来收集周围环境信息,这使得驾驶汽车有大量的计算任务需要处理。车辆雾计算（VFC）被设想为处理自主车辆网络中爆炸性任务的一个很有前途的解决方案。因此,解决请求车辆在车辆雾计算环境中的网络调度问题对于高效处理车辆的卸载任务具有重大意义。本文研究了在雾计算环境下,请求卸载任务的自动驾驶车辆关于接入网络的调度问题。由于雾计算网络系统计算资源有限,且网络中的车辆到达与离开具有随机性,又期望综合多方面因素评估雾计算网络性能以供决策参考,这就使得以最优方式去寻找请求车辆关于接入VFC网络的调度策略是一个难度不小的挑战。因而本文将请求车辆的任务卸载看作一个极短的时段处理,将其离散化,分割成多个间隔相同的时隙,将该问题表述成一个具有有限状态、有限离散时间的马尔可夫决策过程（MDP）,并引入一种多属性决策方法——优劣解距离法（TOPSIS）以构建模型的奖励函数,目的是找到一个最优调度策略使得请求车辆在一个任务卸载周期内的期望回报达到最大。根据上述模型以及实际情况,本文设定参数进行数值分析,通过基于贝尔曼方程的值迭代算法求解出请求车辆关于VFC网络的最优调度策略以及系统期望回报,并分析了网络当前承载车辆数目、计算资源服务率对期望回报的影响,阐明了结合优劣解距离法的MDP方案与一般MDP方案的差异原因,又将本文所得最优策略与随机策略、短视策略作比较以论证其有效性。本文为动态变化的网络调度问题提供了参考,对期望综合多方面影响因素做决策的实际问题提供思路。