针对车联网移动边缘计算资源部署不均衡、服务密度小、任务分配不均衡、实时调度计算压力大的问题,对移动边缘计算的计算资源调度问题与任务分配问题进行了研究,并创新性提出一种基于智能车移动边缘计算的任务排队建模与调度算法,将具备感知、计算、控制功能的智能车作为移动边缘计算服务器,完成了智能车计算资源的虚拟化抽象、任务排队模型的建立、仿真验证、模型驱动MEC实验等工作,旨在提供弹性的计算服务,达到计算资源负载任务均衡。首先报告了车联网与移动边缘计算资源调度分配的研究现状,介绍了车联网的技术、架构与应用,移动边缘计算的概念、基础架构、虚拟化技术与应用,并针对车联网环境下的移动边缘计算架构进行了设计,一种是基于路侧单元的MEC架构,一种是基于智能车的MEC架构。并针对两种不同的架构讨论了这两种不同模式中的研究难点。其次针对路侧计算资源进行了调度策略研究。将排队论中的M/M/1排队模型应用于路侧计算资源调度中。构建了包括了输入任务、调度决策与任务执行三部分组成的调度模型,在计算资源虚拟化的情况下提出了基于AIMD算法模型的均衡分配方案,使得进入该路侧计算单元覆盖范围的网联车辆能够动态均衡的共享计算资源,提高计算资源得利用率,提供优质高效且稳定的服务,并且针对AIMD算法模型的收敛性进行了分析,并进行了仿真说明。然后对于路侧单元固定的分布式部署并不均衡,不能够覆盖全部区域的问题,依据智能车的MEC体系架构,采用了虚拟化技术对智能车计算资源进行了虚拟化抽象,构建了虚拟车服务任务GI/GI/1排队模型,同时基于云控制平台Voronoi分配算法将智能车拓扑结构进行划分,根据任务地点完成智能车计算资源调度,对虚拟车任务进行了分配绑定,进而完成了智能车的优化调度与分布式弹性服务。最后提出VSP模型驱动车联网移动边缘计算作为一种服务,在Aimsun交通仿真软件中利用API接口模块,构建了Client-Sever通信架构,完成了Aimsun实验流程的开发与交通仿真平台路网的部署,将智能车移动边缘计算应用于仿真路网中,并且对实时获得的交通污染数据并进行处理,进行结果分析,为模型驱动车联网移动边缘计算作为服务提供了理论支撑与应用基础。