随着科技的发展,机动车的数量在极速增长,随之而来的交通事故、交通堵塞、空气污染以及能源浪费成为了不容忽视的问题,为提高道路承载能力、提高道路交通效率、减少车辆能耗消耗以及降低空气污染保护环境,车辆编队成为了道路交通中重要的驾驶方式,也是学术界重要的研究课题。本文针对车辆编队问题,对车辆编队构型过程进行了聚类设计,在基于MEC的车联网络架构下,实现了以能耗为优化目标的编队构型形成过程,本文具体的研究内容如下:（1）介绍本文所采用的一种MEC编队车辆网络架构,在此基础上提出了编队构型的场景和编队车辆的构型模型,针对编队构型过程,阐述了基于编队应用的MEC逻辑。（2）对车辆编队构型进行了设计,参照传统的K-means聚类算法,提出了一种包含两部分的车辆编队构型聚类算法,设计思路如下:首先将单独的编队车辆作为数据个体,选择每个编队的头车并作为簇类中心,实现首次聚类;然后将编队队列作为数据个体,选择队列作为簇类中心,并通过破裂、分离、并入策略实现编队间的合并。在不考虑网联车辆具体运动控制的条件下,实现动态实时更新编队构型,并最终实现所有车辆构型形成一个编队。（3）在车辆编队构型聚类设计的基础上,基于车辆编队构型形成过程中的能耗指标,对车辆编队构型形成进行了研究,研究的过程如下:将网联车辆的运动学过程作为一个优化过程,将瞬时能耗指标作为优化目标,利用改进的细菌觅食算法对网联车辆构型过程中的加速度输入进行优化。与聚类算法部分相结合,通过聚类算法提供的编队信息矩阵,赋予编队中的车辆和不在编队中的车辆不同的空阻系数增益值达到车辆趋于编队的目的。该算法将优化后的加速度输入控制信息传递给聚类算法部分,聚类算法部分利用加速度信息更新车辆状态信息和车辆编队信息,并将此信息再次作为优化算法部分的输入,直到所有车辆构型形成为一个编队。（4）根据以上车辆编队模型、构型设计和构型形成算法,开展构型仿真研究。将聚类算法部分和细菌觅食算法部分结合,在MATLAB和Python环境下进行了数值仿真,结果表明在本文所提出的场景中,车辆编队构型形成过程能够在限定条件下实现并达到能耗最优,验证了本文所设计的车辆编队构型模型及能耗优化算法的有效性。