随着智能交通的蓬勃发展,车载异构网络中出现各种诸如移动超清电视、安全预警等对时延有着毫秒级要求的新型应用。由于多路径传输控制协议具有低时延特性且其尤其适用于高速移动的无线环境中,因此其正逐渐应用于车载异构网络中来满足低时延应用的需求。另外,在传统云计算的使用基础上,将这些低时延应用卸载到边缘节点中执行是发展的趋势和方向。常规的边缘节点的负载分配方式是就近分配,然而,随着车载应用数量的增加,这种传统的负载分配方式会使得负载分配不均衡,造成部分边缘节点过载,导致相应的应用响应时间过长,无法满足低时延要求。在这种情况下,如何设计一种有效的负载分配方式使得边缘节点之间能够负载均衡成为亟待解决的问题。本文针对车载异构网络环境,重点研究基于移动边缘计算的多径传输负载均衡技术。主要研究内容如下:首先,针对车载异构网络中使用多路径传输控制协议产生接收缓冲区阻塞导致网络吞吐量下降的问题,本文提出一种基于概率预测的数据调度优化算法。该算法首先引入吞吐量预测模型,然后定义各条路径与最大吞吐量路径的相似性参数,将该参数与既定阈值进行对比分析,从而判断路径性能好坏,并通过判断无序包的数量来预测缓冲区阻塞问题,从而停止不良路径上的数据传输,以提高多路径传输控制协议的性能。仿真结果表明,本文提出的基于概率预测的数据调度优化算法与目前性能较好的MPTCP-ML算法相比,其网络吞吐量平均提高0.18兆比特每秒。其次,针对边缘节点过载导致车载应用时延较大的问题,本文提出一种多径传输负载均衡优化算法。该算法首先分配时延相对敏感的应用,根据它们的相对网络延迟差决定应用的分配优先级,之后再分配时延相对不敏感的应用,将车载应用尽可能分配到距离每辆车最近的边缘节点中。然后,当边缘节点的工作负载超过其容量时,该算法将迭代地选择响应时间最长的车载应用,若其响应时间超过传递给云计算中心处理的响应时间,则将其重新分配给云计算中心进行处理,否则将其重新分配到备用边缘节点以最小化其响应时间,直到每个车载应用都找不到更好的边缘节点。最后,该算法为每个边缘节点中不同类型的虚拟机分配不同大小的计算资源,从而实现计算资源的动态按需分配。本文对所提算法进行了仿真,在不同的应用类型、不同的工作负载以及不同的边缘节点容量等多种条件下进行响应时间的比较,仿真结果表明,多径传输负载均衡算法可以有效降低应用的计算延迟,并使得应用的平均响应时间比使用传统负载分配算法时降低了88毫秒。