計算密集和延遲敏感型車輛應(yīng)用的岀現(xiàn)對車輛設(shè)備有限的計算能力提出了嚴(yán)峻的挑戰(zhàn)，將任務(wù)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(luò)的邊緣，為移動設(shè)備提供髙性能低延遲的服務(wù)，因此可作為處理計算密集和延遲敏感的任務(wù)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(yīng)用的出現(xiàn)促進(jìn)了對車輛邊緣計算環(huán)境下任務(wù)卸載的硏究，本文對現(xiàn)有車輛邊緣計算環(huán)境下任務(wù)卸載研究進(jìn)展進(jìn)行綜述，首先，從計算模型、任務(wù)模型和通信模型三個方面對系統(tǒng)模型進(jìn)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(yīng)用結(jié)果質(zhì)量三種常見的優(yōu)化目標(biāo)，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(jìn)行了詳細(xì)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(fù)雜度、安全與隱私保護(hù)和車輛移動性等方面對車輛邊緣計算任務(wù)卸載目前面臨的挑戰(zhàn)進(jìn)行了總結(jié)，并展望了車輛邊緣計算環(huán)境下任務(wù)卸載未來的發(fā)展方向與前景。