让复杂的车载边缘计算知识变得可查询、可比较、可验证
面向初学者和研究人员，覆盖 VEC 架构、任务卸载、资源分配、移动性管理、V2X 通信、强化学习、安全与典型应用。问答过程完全在浏览器中完成，不上传用户数据。
专有知识问答
输入自然语言问题，系统将检索最相关知识条目并组织答案你好，我是 VEC 专有知识问答智能体。
你可以问我：什么是车载边缘计算、任务卸载如何决策、RSU 与 MEC 的关系、为什么高速移动会导致服务迁移、DQN 和 PPO 分别适合什么场景等。
我会给出结构化回答，并显示命中的知识条目作为依据。
任务卸载决策实验室
输入任务与网络参数，比较本地执行、路侧边缘执行和远端云执行的估计时延与能耗。
优先选择：路侧边缘
边缘执行在当前参数下能够满足截止时间，并获得更低的综合时延。
车载边缘计算知识地图
从概念、技术问题到算法方法形成结构化学习路径。点击卡片可进入对应问答。
小程序说明与操作指南
程序名称：VEC 智问台——车载边缘计算专有知识问答与任务卸载决策智能体。
核心功能：一是使用浏览器端轻量检索增强问答机制，对车载边缘计算专业知识进行自然语言查询；二是通过参数化模型比较本地、边缘和云端三种执行位置，为任务卸载给出教学性建议；三是使用知识地图帮助用户建立完整的学习框架。
在输入框中输入问题，或点击右侧推荐问题。系统返回答案、补充提示和相关知识条目。
系统会保存上一轮最相关主题。用户可继续询问“它的优点是什么”“为什么”等上下文问题。
进入“卸载决策”，选择预设场景或自行输入参数，点击计算按钮查看三种执行方式的对比。
实现原理
知识库以结构化 JavaScript 数据保存在 HTML 文件中。程序对问题进行标准化、同义词扩展和字符片段分析，再根据标题、关键词、问题模板和正文进行加权相关度计算，召回 Top-3 知识条目。回答由命中条目的“核心结论—关键因素—实践提示”字段组合生成，并保留证据名称。这是一种无需联网和服务器的轻量检索增强问答实现。
卸载决策使用简化的计算模型：本地时延 = 总计算周期 / 本地算力；边缘时延 = 上行传输 + 边缘计算 + 下行传输 + 固定开销；云端在边缘模型基础上增加骨干网往返开销。系统优先筛选满足截止时间的方案，再结合时延与终端能耗估计给出建议。
运行方法
双击 HTML 文件即可使用，建议使用 Chrome、Edge 或 Firefox。程序不需要安装环境，不依赖网络，不收集或上传任何输入数据。
参考资料
- ETSI GS MEC 003 V4.1.1 (2025-05), Multi-access Edge Computing (MEC): Framework and Reference Architecture.
- ETSI GS MEC 013 V3.1.1, Location API.
- 3GPP, Edge Computing / Edge Computing in CT Protocols / 5G System Overview.
- L. Liu et al., “Vehicular Edge Computing and Networking: A Survey,” Mobile Networks and Applications, 2021.
- P. Mach and Z. Becvar, “Mobile Edge Computing: A Survey on Architecture and Computation Offloading,” IEEE Communications Surveys & Tutorials, 2017.
- W. Fan et al., “Joint Task Offloading and Resource Allocation for Vehicular Edge Computing,” IEEE Transactions on Intelligent Transportation Systems, 2023.
边界说明
本程序是课程实践作品，回答内容限定在内置知识库范围内。对于知识库未覆盖的问题，程序会明确提示用户换一种问法或查看相近主题，不会把无法确认的内容伪装成确定结论。