目前，道路上行駛的車(chē)輛一般攜帶板載計(jì)算機(jī)設(shè)備，其具有小規(guī)模的數(shù)據(jù)處理能力。很多研究致力于通過(guò)使用車(chē)載Ad Hoc網(wǎng)絡(luò)獲得更安全的駕駛體驗(yàn)。隨著車(chē)輛越來(lái)越多地配備先進(jìn)的傳感器，從醫(yī)療保健到公路動(dòng)態(tài)擁塞管理等應(yīng)用程序均得以部署，并依賴于從傳感器獲得的數(shù)據(jù)。此外，車(chē)載云計(jì)算有利于在路面上行駛的車(chē)輛以及街道和停車(chē)場(chǎng)中的車(chē)輛充分利用車(chē)載計(jì)算資源，提供廣泛的、一致可靠的實(shí)時(shí)服務(wù)。

　　為提高經(jīng)典交通智能系統(tǒng)通信效率，利用車(chē)載調(diào)度方式可實(shí)現(xiàn)更為高效的數(shù)據(jù)采集和分發(fā)，使數(shù)據(jù)傳輸能力得到提升。車(chē)載調(diào)度方式存在的主要問(wèn)題是車(chē)載物理層的有效利用，包括車(chē)輛的無(wú)線信道、移動(dòng)性、相對(duì)位置等。為提高車(chē)載云計(jì)算資源調(diào)度的可靠性，減少數(shù)據(jù)處理時(shí)間，提出一種服務(wù)質(zhì)量感知的并行MapReduce啟發(fā)式車(chē)載云資源調(diào)度算法。在MapReduce并行計(jì)算模型的基礎(chǔ)上，設(shè)計(jì)云計(jì)算環(huán)境中以車(chē)載單元為基礎(chǔ)的車(chē)輛并行檢測(cè)服務(wù)框架，利用相對(duì)優(yōu)先級(jí)因子構(gòu)建車(chē)載云計(jì)算調(diào)度模型，并通過(guò)啟發(fā)式并行優(yōu)化算法對(duì)模型進(jìn)行優(yōu)化，降低算法復(fù)雜度。在NS-3中的仿真結(jié)果表明，該算法可有效縮短作業(yè)執(zhí)行時(shí)間，并具有較高的可靠性。