計算密集和延遲敏感型車輛應用的岀現(xiàn)對車輛設(shè)備有限的計算能力提出了嚴峻的挑戰(zhàn)，將任務卸載到傳統(tǒng)的云平臺會有較大的傳輸延遲，而移動邊緣計算專注于將計算資源轉(zhuǎn)移到網(wǎng)絡的邊緣，為移動設(shè)備提供髙性能低延遲的服務，因此可作為處理計算密集和延遲敏感的任務的一種有效方法。同時，鑒于城市地區(qū)擁有大量智能網(wǎng)聯(lián)車輛，將閑置的車輛計算資源充分利用起來可以提供巨大的資源和價值，因此在車聯(lián)網(wǎng)場景下，結(jié)合移動邊緣計算產(chǎn)生了新的計算模式——車輛邊緣計算。近年來，智能網(wǎng)聯(lián)車輛數(shù)量的增長和新興車輛應用的出現(xiàn)促進了對車輛邊緣計算環(huán)境下任務卸載的硏究，本文對現(xiàn)有車輛邊緣計算環(huán)境下任務卸載研究進展進行綜述，首先，從計算模型、任務模型和通信模型三個方面對系統(tǒng)模型進行梳理、比較和分析。然后介紹了最小化卸載延遲、最小化能量消耗和應用結(jié)果質(zhì)量三種常見的優(yōu)化目標，并按照集中式和分布式兩種不同的決策方式對現(xiàn)有的研究進行了詳細的歸類和比較。此外，本文還介紹了幾種常用的實驗工具，包括SUMO、 Veins和 Veinte.最后，本文圍繞卸載決策算法復雜度、安全與隱私保護和車輛移動性等方面對車輛邊緣計算任務卸載目前面臨的挑戰(zhàn)進行了總結(jié)，并展望了車輛邊緣計算環(huán)境下任務卸載未來的發(fā)展方向與前景。