近年来物联网一直是学术与工业上的研究热点,随着物联网的高速发展,越来越多的设备可以接入到无线通信网络中,设备之间的通信也变得更加复杂。车辆能够通过与其他车辆或者路边基础设施通信形成车辆边缘网络（Vehicle Edge Network,VEN）。VEN作为智慧交通的重要组成部分,为车辆行驶提供了实时信息,同时也为人们的生活提供了便利和安全保障。但是,由于车辆节点具有网络拓扑动态变化以及异构节点共存等特点,所以难以为所有通信提供稳定及时的信息传输服务。因此,为了解决上述问题,本文针对VEN中的车辆任务卸载以及任务数据中继展开了研究,主要工作和创新点如下:（1）由于VEN中车辆节点具有高速移动的特点,网络的拓扑结构频繁的发生改变,这会导致数据传输失败。为了降低由传输路径不稳定造成的延迟,增加交通数据的时效性,本文提出了一种基于D-S证据理论和LSTM轨迹预测的中继车辆选择方案。首先,通过历史可信度和剩余能量剔除不可信节点,并基于D-S证据理论选出当前可信度满足要求的车辆作为备选中继车辆。然后,所有备选车辆基于历史行驶数据使用长短期记忆网络（Long Short-Term Memory,LSTM）预测各自的行驶轨迹。最后,使用提出的中继车辆选择算法选出中继车辆传输数据。实验结果表明,该方案能够有效地预测车辆的行驶轨迹并选择出耗时最短的中继车辆,保障了传输链路的稳定性,有效地降低了传输时延。（2）针对车辆节点由于任务卸载和资源配置不合理造成的时延增加的问题,本文提出了一种基于进化算法的任务卸载和资源配置方案。首先,分别从用户车辆和MEC边缘服务器两个角度具体化完成任务的时延和能耗。然后,综合考虑时延和能耗的占比,定义新的成本函数来表示完成任务的消耗,并将问题转化为一个混合整数非线性规划问题（MINLP）。最后,使用进化算法通过初始化种群,变异,交叉,计算个体适应度,选择五个步骤对目标问题进行优化,迭代求得最优解。实验结果表明,通过本方法,可以基于实时的任务和资源情况,求得任务卸载的最优比例和资源配置的最合理方案。通过上述方法可以显著降低任务的传输时延和计算时延,提高服务质量。