在车载云计算中,通常将计算任务卸载至远程云服务器执行以降低任务完成时间,但当海量的计算任务涌向云端必然导致核心网络的负荷过载,从而降低了用户体验质量。为此,如何降低服务时延以及缓解核心网络拥塞等问题成为车载计算卸载领域的主要的研究方向。车载边缘计算通过将边缘服务器部署在靠近车载用户的路侧单元上以提供高带宽、低延迟的本地化云服务,有效的解决了上述问题。然而由于车辆的移动性、可用计算资源动态性使得其卸载场景动态变化,如何有效的应对动态变化的卸载场景对卸载性能的影响是本文主要的研究内容。本文针对车载边缘计算环境中卸载任务的可用计算资源动态变化对计算卸载性能的影响进行实验仿真。首先通过论证了在静态环境下边缘计算层的引入对卸载性能的影响,之后针对移动性提出了在路径固定的情况下的目标上传路侧单元（Road Side Unit,RSU）的选择策略,最后针对可用计算资源动态变化的卸载场景,提出了基于动态可用计算资源的计算卸载切换策略,实验证明了该算法能够在可用计算资源动态变化下获取较好的卸载效果。本次实验以平均任务上传时间、平均任务通信时间、平均任务执行时间、平均任务完成时间作为仿真实验的性能指标。实验结果表明:（1）在静态环境下,边缘层的引入相较于本地和云端在平均任务完成时间上分别降低了67.16%和48.14%;（2）针对动态卸载环境,就平均任务上传时间开销而言,在上传RSU的选择策略对比上,基于路径固定的选择策略相较于随机选择策略和就近选择策略分别降低了33.89%和20.78%;（3）针对代理资源的可用计算资源动态变化对计算卸载的影响,本文提出的算法相较于最小完成时间（Minimum Completion Time,MCT）算法和基于最小执行时间的切换（Handoff based Minimum Execution Time,METH）算法在平均任务完成时间上分别降低了21.94%和9.86%,实验结果证明了本文提出算法的有效性。