车联网作为智能交通的一部分,为解决城市交通问题提供了发展方向。近年来,随着车辆数目和车联网数据的爆炸式增长,云计算网络带宽资源将严重不足,而且无法满足车联网移动性和低时延的特性。雾计算部署在网络边缘,具有位置感知和低时延的特性,能够更好地应用到车联网中。虽然雾计算的概念由思科在2012年提出,但是在车联网方面的研究还处于起步阶段,仅限于理论方面。本文首次将雾计算与车联网联合考虑,就其部署与规模测算问题展开研究。首先,结合雾计算和车联网技术,本文设计了雾计算环境下的车联网架构(FC-IoV)。该架构通过在网络边缘引入雾设备,使得车载终端能够快速接入网络,就近选择雾设备为其提供计算和存储服务,节约了带宽资源,提升了数据传输速率,减少了时延,具有重要的研究意义。其次,针对车联网中基础设施增多带来的网络部署成本太高的问题,本文提出了一种以最小成本为目标的网络部署方法。该方法以城市道路为应用场景,主要对车联网中的V2R(Vehicle to Roadside)进行部署,通过考虑网络覆盖范围和设备容量等因素,建立了整型线性规划(IntegerLinearProgramming,ILP)模型,并运用优化求解器Gurobi对模型进行求解,得到网络的最终部署方案。最后,针对大规模场景下,Gurobi求解线性规划模型效率过低,甚至无法求解的问题,本文提出了快速启发式算法。该算法能够得到模型的近似最优解,并且使求解时间大大减少。通过仿真实验,对数学模型和算法求解的结果进行对比,显示了算法求解的有效性和高效性,体现了算法的优越性。本文通过对雾计算环境下车联网进行优化部署,降低了网络部署成本,使得车联网部署更加经济可靠,为车联网实际部署提供了理论依据和技术支持。