车载自组织网络（Vehicular Ad Hoc Networks,VANETs）能够对视距范围之外的车辆以及潜在的危险进行感知和预警,因此VANETs被广泛认为可以提升车辆的安全性并且改善交通效率。在VANETs的介质访问控制（Medium Access Control,MAC）协议中,使用时分多路访问（Time-Division Multiple Access,TDMA）技术进行通信信道接入不仅可以防止传输冲突,而且能够保证安全消息的高效广播,因此在为VANETs提供高效可靠的通信信道中扮演着重要的角色。但是,由于车辆的移动性和交通流的时变性,现有的基于TDMA的MAC协议不能充分利用信道资源,可能导致高传输时延和数据包冲突。为了解决上述问题,本文的核心思想是利用移动边缘计算（Mobile Edge Computing,MEC）和路侧单元（Road-Side Unit,RSU）对道路上的交通流和车辆行驶信息进行感知和预测,然后根据感知和预测的信息来降低数据包的传输冲突并对通信资源的分配进行优化。本文的研究内容如下:（1）针对现有MAC协议没有考虑动态交通流的问题,本文提出了一种基于MEC与多RSU协同的交通感知通信框架。通过框架中的车辆间通信、车辆到RSU通信、多RSU协同以及MEC的计算和存储能力,对道路上的动态车流信息（车辆密度）和车辆移动信息（车辆轨迹）进行感知和处理。车辆密度感知与预测实验结果表明:交通感知框架可以准确地感知和预测道路上不同区域的车辆密度;轨迹预测实验结果表明:无论是预测误差还是预测时间开销,都适用于基于MEC协助的VANETs,可以用来优化VANETs的通信性能。特别地对于本文使用的10秒预测范围的模型,预测误差约为12米,时间开销约为16毫秒。（2）为了解决基于时隙划分方法的MAC协议在非均衡的交通流中信道资源浪费的问题,本文利用交通感知框架提出了基于TDMA的自适应MAC协议（Traffic-Aware TDMA-based MAC,TA-MAC）。在TA-MAC中,首先提出了一种新的时隙分配方法—占用集方法来避免时隙饥饿和时隙冗余出现在同一帧;然后在交通感知框架车辆密度感知和预测的基础上建立占用集并进行管理;最后由RSU广播控制信息来协调时隙的分配。在不同交通均衡率（Traffic Balance Ratio,TBR）下的仿真实验结果表明:TA-MAC协议能够在消除相向合并冲突的情况下适应动态变化的交通流。特别地,当TBR=0.2时,TA-MAC的信道利用率与A-VeMAC、VeMAC-5和VeMAC-inf相比分别提升了2%、3%和40%。（3）基于时隙划分方法的MAC协议可以消除相向合并冲突但是未对同向合并冲突问题进行处理,而且目前的基于冲突预测的MAC协议需要中间车辆频繁地进行信息交换。针对上述问题,本文在时隙划分方法基础上,提出了基于轨迹预测算法进行冲突避免的MAC协议（Trajectory-Prediction based Collision-Avoidance MAC,TPCA-MAC）。在TPCA-MAC中,首先利用RSU对潜在的冲突进行检测,然后利用MEC完成基于轨迹预测算法的同向合并冲突预测,最后通过RSU对预测到会发生冲突的车辆进行时隙重分配从而避免冲突的发生。通过在不同车辆密度下的实验表明:基于TPCA-MAC协议的冲突避免和时隙重分配机制可以有效地避免冲突的发生,提高通信资源利用率。特别地,当车辆密度为0.125 vehicles/m时,TPCA-MAC的信道利用率与VeMAC和A-VeMAC相比分别提升了6%,9.5%。