边缘计算是随着万物互联时代而产生，适用于从云端到边缘路径中的所有终端设备的一种计算模型。现有云计算模型下的服务模式已经无法满足边缘计算模型的应用需求，主要体现在边缘设备资源的有限性、服务的实时性、决策的智能性上。针对边缘计算模型的应用需求的特点，提出了一种适用于边缘计算模型的服务模式——计算即服务模式，并对该模式提供的任务模型、计算模型以及服务模型进行了抽象。

针对移动边缘计算（MEC）提供IT服务环境和云计算能力带来的高带宽、低时延优势，结合LTE免授权频谱（LTE-U）技术，研究了车辆异构网络中基于 MEC 的任务卸载模式决策和资源分配问题。考虑链路差异化要求，即车辆到路边单元（V2I）链路的高容量和车辆到车辆（V2V）链路的高可靠性，将用户服务质量（QoS）建模为容量与时延的组合形式。首先采用改进的 K-means 算法依据不同的 QoS 对请求车辆进行聚类，从而确定通信模式，其次利用基于无竞争期（CFP）的LTE-U，结合载波聚合（CA）技术，

边缘计算已经成为5G时代重要的创新型业务模式，尤其是其低时延特性，被认为是传统方案所不具备的，因此边缘计算能够提供更多的服务能力且具有更为广泛的应用场景。但边缘计算与处于中心位置的云计算之间的算力协同成为新的技术难题，即需要在边缘计算、云计算以及网络之间实现云网协同、云边协同，甚至边边协同，才能实现资源利用的最优化。在研究边缘计算算力分配和调度需求的基础上，提出了基于云、网、边深度融合的算力网络方案，并针对AI类应用给出了一个典型实施系统，该方案能够有效应对未来业务对计算、存储、网络甚至算法资源

5G 与边缘计算等应用场景的兴起，使得计算、存储等基础 IT 资源离散部署与多级部署成为一大发展趋势，如何结合网络基础设施为用户提供更为便捷的、定制化的专属服务，提高整体资源利用率，成为网络技术发展的新方向。重点分析了网络虚拟化的特征与发展、资源发展与融合趋势以及新兴业务对资源供给新需求等，提出了一种基于多维资源融合化的网络虚拟化架构，即通过在网络虚拟化架构中引入资源发现与资源交易过程，将多方、异构的资源有机整合成统一资源平面，在此基础上根据用户需求进行资源切割与虚拟化，以适应新兴业务对资源需求