随着信息技术和汽车工业的发展,车辆用户对移动数据的需求也日益增长。由于硬件资源的限制,大量来自车辆用户的移动数据需求极大地加重了蜂窝网基站的负载,同时也降低了车辆用户的网络体验质量。针对这一问题,研究者提出使用车载边缘网络来卸载移动数据的方法,以达到减轻蜂窝网基站负载的目的,同时保证车辆用户的网络体验质量。然而,目前的工作还缺乏对车辆移动性带来的影响的研究,例如车辆间相对速度大小与方向对移动数据卸载的影响;同时大多数研究并未兼顾蜂窝网运营商的经济利益和用户的网络体验质量。由此,本文考虑了车辆移动性的影响,从蜂窝网运营商经济利益和用户网络体验质量角度出发,针对两种交通情况对通过车载边缘网络进行移动数据卸载方法进行研究。(1)对于车辆速度稳定且车辆之间相对速度较小的情况,本文提出了基于车辆移动性的V2V离线数据卸载方法。本文考虑了车辆的移动性对数据卸载的影响。为公平起见,使车辆之间通过多播的方式传输数据。由运营商和车辆用户角度出发,兼顾蜂窝网运营商和车辆用户利益,将问题形式化为蜂窝网运营商成本最小化问题和数据请求车辆整体数据效用最大化问题。在求解问题的过程中,首先将蜂窝网运营商成本最小化问题规约为多重背包问题,提出基于动态规划和回溯的多重背包问题求解算法,并以二进制拆分的方式对其进行改进。数据请求车辆整体数据效用最大化问题为混合整数非线性规划问题,本文对其进行凸松弛,将其转化为混合整数线性规划问题,并以分支定界法对问题进行求解,以得到移动数据卸载策略。(2)对于车辆速度不稳定或车辆之间相对速度较大的情况,本文提出了基于车辆移动性的V2V在线数据卸载方法。将网络服务过程划分为连续的、大小相等的时间间隙。参考曼哈顿模型建立车辆移动模型;由车辆用户角度出发,建立数据效用模型和数据请求车辆花费模型。将问题形式化为数据请求车辆整体满意度最大化问题。最后,在每个时间间隙内,本文使用遗传算法来求解数据请求车辆整体满意度最大化问题,以得到移动数据卸载策略,并对遗传算法进行改进以提高其执行效果。(3)对基于车辆移动性的V2V离线数据卸载方法和基于车辆移动性的V2V在线数据卸载方法进行实验仿真,实验结果表明了车辆的移动性对移动数据卸载具有较大的影响,同时表明了本文所提出的移动数据卸载方法的有效性。