随着物联网技术的不断发展,各种面向用户终端的新型应用与服务大量涌现,如语音识别、自动驾驶、实时导航等。此类应用与服务通常对时延要求较高,且会消耗大量的计算和能量等资源。云计算能够为这些应用提供充足的计算资源,缓解终端计算压力。但云服务器通常距离用户位置较远,数据的长距离传输可能造成较高的传播与传输时延开销,因此,云计算难以满足高实时性要求类应用的容忍时延需求。移动边缘计算通过在用户接入侧部署边缘服务器,极大缩短了用户与服务器资源间的距离,从而能够降低任务卸载时延与用户终端能耗开销。然而,在车联网场景中,车辆的非匀速行驶易导致任务卸载效率下降,且车辆在小区间切换时间和位置的不确定性,还可能导致卸载任务的中断或丢失。针对以上问题,本文提出两种不同的任务卸载策略,其主要研究内容概括如下:针对非匀速车辆用户在小区内滞留时间的不确定性,可能导致规划的任务卸载调度难以满足任务容忍时延需求,并使用户端能耗效率恶化的情况,提出一种非匀速车辆用户的任务卸载能耗优化策略。该策略根据车辆实时车速和位置信息预测V2I（Vehicle-to-Infrastructure）通信链路持续时间,根据任务容忍时延需求周期性规划车辆用户的任务卸载调度,通过合理选择和分配边缘服务器与用户的本地计算资源,最大限度满足任务容忍时延需求,最小化用户终端能耗。最后分别针对城区道路和高速道路仿真,验证了所提策略的有效性。针对小区间车辆用户切换时间和切换位置的不确定性,可能导致卸载任务中断和丢失的问题,提出一种应对小区切换问题的非匀速车辆任务卸载策略。该策略根据相邻小区内车辆的位置信息,为任务车辆选择合适的卸载模式。任务车辆进入相邻小区重叠覆盖区前,根据实时车速动态调整卸载周期,采用V2I卸载模式最小化卸载任务丢失。当任务车辆进入相邻小区重叠覆盖区后,优先为其寻找有效协作车辆,采用V2V2I（Vehicle-to-Vehicle-to-Infrastructure）卸载模式避免小区切换导致的卸载任务中断。仿真结果表明,所提策略能够有效减少卸载任务中断和丢失,降低任务卸载时延与用户终端能耗。