车联网是实现未来智能交通系统的关键技术之一。随着自动驾驶技术的不断发展,车联网对数据传输的时延提出了更高的要求。同时,作为5G三大场景之一的超低时延与高可靠场景,对数据传输的空口时延要求控制在1ms以内。然而,传统车联网设计方案主要基于LTE系统下的D2D技术,其允许的数据传输时延很难达到自动驾驶技术对时延的要求,且其主要应用场景都在商业娱乐等城市的公共场所,针对高速场景中车联网的设计方案寥寥可数,因此,高速场景下自动驾驶车辆终端的低时延数据传输问题亟待解决。本文对高速场景下车联网数据传输的时延、可靠性及其系统吞吐量进行研究,首先分析三个影响时延的因素,即LTE系统中采用HARQ重传机制的闭环通信、车辆高速行驶中小区快速切换以及移动网边缘用户接入的稳定性。本文针对高速场景下车联网提出一种低时延用户接入方案。该方案主要由四部分构成:第一、采用宏结点与接入点(微结点)相结合的数据传输方式。车辆终端向多个接入点组成的接入点群请求资源调度时,根据请求调度资源块的大小决定调度由宏结点还是由接入点群完成;第二、采取路径分集的开环通信方式。高速移动场景中没有城市街道那样复杂的信道干扰,可以通过多个接入点实现路径分集的方式对自动驾驶车辆进行数据传输,取缔数据重传,可满足低时延高可靠的数据传输性能;第三、接入点由雾结点服务器组成。雾计算技术具有强大的本地缓存、计算存储功能,能够实现移动网边缘分布式布局;第四、宏结点对接入点内数据资源进行管理控制。实验结果表明:该用户接入方案在保证较高的数据传输可靠性下,极大降低数据传输的时延,但是系统吞吐量很低。为了进一步改善上述车联网低时延用户接入方案数据传输的可靠性及系统吞吐量,本文通过对传统预调度(半静态)算法进行优化,针对该方案提出一种可自主分配缓存资源的预调度算法。该算法从宏节点与接入点两方面设计:在一定周期内,宏节点通过快速排序算法统计、计算每个接入点上一周期的缓存资源,并向接入点发送下一周期的分配缓存资源指令;每个接入点根据宏结点的指令,向下一周期内分配资源缓存,完成对车辆的资源调度。实验结果表明:该算法能够改善数据传输的可靠性及系统吞吐量。