1.车辆边缘计算网络中的任务卸载方法，其特征是，包括：

S101：获取车辆初始卸载比特数及单价，建立边缘服务器的效用函数；所述单价是指服务器对选择它的车辆所卸载的比特数收取费用的单价；

获取车辆到车辆所选择的边缘服务器之间的数据传输速率、车辆到车辆所选择的边缘服务器之间计算任务所产生的时延和使用边缘服务器计算资源所需要的费用，建立车辆的效用函数；

S102：根据边缘服务器的效用函数，建立最大化边缘服务器效用的优化问题模型；根据车辆的效用函数，建立最大化车辆效用的优化问题；

S103：基于斯坦伯格博弈理论对优化问题进行求解，得到均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解；

所述基于斯坦伯格博弈理论对优化问题进行求解，得到均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解；具体步骤包括：在构建的车联网系统中，引入多主多从斯坦伯格博弈，将车辆和边缘服务器看作斯坦伯格博弈的两方，车辆作为斯坦伯格博弈的跟随者，边缘服务器作为斯坦伯格博弈的领导者，通过求解边缘服务器和车辆的优化问题，得到车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解表达式；

通过分布式迭代算法对车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解表达式进行循环迭代，直至达到斯坦伯格博弈的均衡点，输出均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解；

其中，求解车辆的优化问题，是指：

利用拉格朗日对偶函数对最大化车辆效用的优化问题进行重新构建：

其中， 是拉格朗日乘子，αiλ，i，ωi是关于车辆i的拉格朗日乘子， 是服务器k的拉格朗日乘子；k表示服务器；θi是一个正常数；Tloc，i是任务全部留在车辆i本地计算所产生的时延；Ti，k表示车辆i选择将计算任务卸载到服务器k所产生的时延；μk，i表示服务器k对车辆i卸载任务所收取的单价；Li，k表示是车辆i卸载到服务器k的任务比特数； 表示车辆i允许任务卸载和计算所消耗的最高时延约束； 表示允许卸载到服务器k的比特数上限；Ci是计算1比特所需要的CPU转数；xi，k是二进制变量，当xi，k＝1时，车辆i选择该服务器k进行卸载任务，否则xi，k＝0车辆不选择该服务器； 表示服务器集合； 表示车辆集合；

对重新构建的最大化车辆效用的优化问题模型进行求解；

对车辆选择变量、卸载比特数变量分别求偏导并令其偏导表达式为0，求出车辆选择变量、卸载比特数变量对应的最优解表达式；

S104：基于均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解，实现车辆任务的卸载。

2.如权利要求1所述的方法，其特征是，根据边缘服务器的效用函数，建立最大化边缘服务器效用的优化问题；具体步骤包括：通过优化边缘服务器对车辆卸载任务所收取的费用的单价，来最大化边缘服务器的收益。

3.如权利要求1所述的方法，其特征是，求解边缘服务器的优化问题，是基于拉格朗日对偶函数和边缘服务器初始化的单价，对最大化边缘服务器效用的优化问题进行求解；对边缘服务器设定的单价求偏导并令偏导式为0，求得边缘服务器的单价最优表达式。

4.如权利要求1所述的方法，其特征是，将车辆和边缘服务器看作斯坦伯格博弈的两方，车辆作为斯坦伯格博弈的跟随者，边缘服务器作为斯坦伯格博弈的领导者；具体步骤包括：在构建的车联网系统中，引入多主多从斯坦伯格博弈，将车辆和边缘服务器看做博弈的两方，基于斯坦伯格博弈理论进行建模，边缘服务器作为“领导者”，制定收取车辆使用资源的单价；车辆作为“跟随者”，根据边缘服务器设定的价格来制定选择和卸载策略；

领导者做出决策后，跟随者根据领导者的决策做出相应的决策，领导者再根据跟随者的决策相应的改变自身的决策，车辆的策略反过来影响服务器的定价策略，经过多次迭代最终达到博弈均衡点。

5.如权利要求1所述的方法，其特征是，通过分布式迭代算法对车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解表达式进行循环迭代，直至达到斯坦伯格博弈的均衡点，输出均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解；具体步骤包括：通过求解车辆和边缘服务器的优化问题得到优化车辆选择变量、卸载比特数变量最优表达式和边缘服务器的单价的最优表达式，将更新的卸载比特数代入到边缘服务器最优表达式中，求出当前情况的最优价格，再将得出的最优价格重新代入到卸载比特数表达式中，以此类推，在循环次数内更新。

6.车辆边缘计算网络中的任务卸载系统，其特征是，包括：

获取模块，其被配置为：获取车辆初始卸载比特数及单价，建立边缘服务器的效用函数；获取车辆到车辆所选择的边缘服务器之间的数据传输速率、车辆到车辆所选择的边缘服务器之间计算任务所产生的时延和使用边缘服务器计算资源所需要的费用，建立车辆的效用函数；所述单价是指服务器对选择它的车辆所卸载的比特数收取费用的单价；

模型建立模块，其被配置为：根据边缘服务器的效用函数，建立最大化边缘服务器效用的优化问题模型；根据车辆的效用函数，建立最大化车辆效用的优化问题；

求解模块，其被配置为：基于斯坦伯格博弈理论对优化问题进行求解，得到均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解；

所述基于斯坦伯格博弈理论对优化问题进行求解，得到均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解；具体步骤包括：在构建的车联网系统中，引入多主多从斯坦伯格博弈，将车辆和边缘服务器看作斯坦伯格博弈的两方，车辆作为斯坦伯格博弈的跟随者，边缘服务器作为斯坦伯格博弈的领导者，通过求解边缘服务器和车辆的优化问题，得到车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解表达式；

通过分布式迭代算法对车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解表达式进行循环迭代，直至达到斯坦伯格博弈的均衡点，输出均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解；

其中，求解车辆的优化问题，是指：

利用拉格朗日对偶函数对最大化车辆效用的优化问题进行重新构建：

其中， 是拉格朗日乘子，αi，λi，ωi是关于车辆i的拉格朗日乘子， 是服务器k的拉格朗日乘子；k表示服务器；θi是一个正常数；Tloc，i是任务全部留在车辆i本地计算所产生的时延；Ti，k表示车辆i选择将计算任务卸载到服务器k所产生的时延；μk，i表示服务器k对车辆i卸载任务所收取的单价；Li，k表示是车辆i卸载到服务器k的任务比特数； 表示车辆i允许任务卸载和计算所消耗的最高时延约束； 表示允许卸载到服务器k的比特数上限；Ci是计算1比特所需要的CPU转数；xi，k是二进制变量，当xi，k＝1时，车辆i选择该服务器k进行卸载任务，否则xi，k＝0车辆不选择该服务器； 表示服务器集合； 表示车辆集合；

对重新构建的最大化车辆效用的优化问题模型进行求解；

对车辆选择变量、卸载比特数变量分别求偏导并令其偏导表达式为0，求出车辆选择变量、卸载比特数变量对应的最优解表达式；

任务卸载模块，其被配置为：基于均衡点所对应的车辆选择变量、卸载比特数变量和边缘服务器收取单价的最优解，实现车辆任务的卸载。

7.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1‑5任一项所述的方法。

8.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1‑5任一项所述的方法。